SKILLEMALL.ai

AD autonomous-loops

Паттерны циклов автономных агентов: последовательные конвейеры, постоянные сеансы REPL, параллельная генерация на основе спецификаций, автоматизация PR, проходы очистки и оркестровка DAG на основе RFC. Выбирайте паттерн по сложности: простой (последовательный) → средний (цикл PR, бесконечные агенты) → продвинутый (DAG с очередью слияния). Триггерные фразы: 'autonomous loop', 'agent loop', 'parallel agents', 'multi-pass refinement', 'continuous integration loop'.

машинный переводПоказать оригиналСкрыть оригинал«Autonomous agent loop patterns: sequential pipelines, persistent REPL…»

Autonomous agent loop patterns: sequential pipelines, persistent REPL sessions, parallel spec-driven generation, PR automation, cleanup passes, and RFC-driven DAG orchestration. Choose pattern by complexity: simple (sequential) → medium (PR loop, infinite agents) → advanced (DAG with merge queue). Trigger phrases: 'autonomous loop', 'agent loop', 'parallel agents', 'multi-pass refinement', 'continuous integration loop'.

ClawHub Agent Skills автор: Deonte Cooper v1.0.2 MIT-0 9 файлов тело ≈ 1 311 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Паттерны циклов автономных агентов: последовательные конвейеры, постоянные сеансы REPL, параллельная генерация на основе спецификаций, автоматизация PR…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 48/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1311 токенов

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 423 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (7 из 7)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    This skill is mostly transparent, but it teaches high-impact repository automation with inconsistent safeguards around writes and auto-merge.
    LLM: suspicious (high) · VirusTotal: · 4 авг. 2026 г.