SKILLEMALL.ai

AF cross-domain-engine

Обнаружение скрытых корреляций между различными областями исследований с использованием архитектуры цикла OODA EVEZ. Используйте для поиска новых междоменных связей, обнаружения пересечений зарождающихся технологий, перекрестного анализа паттернов угроз, выявления инвестиционных сигналов или поиска незанятых инноваций в различных областях. Охватывает наблюдение за сигналами, междоменное ранжирование, проверяемые корреляционные события и протокол неизменяемой цепочки.

машинный переводПоказать оригиналСкрыть оригинал«Discover hidden correlations between disparate research domains using…»

Discover hidden correlations between disparate research domains using EVEZ OODA loop architecture. Use when finding novel cross-domain connections, detecting emerging technology intersections, cross-referencing threat patterns, identifying investment signals, or mining unclaimed innovations across fields. Covers signal observation, cross-domain scoring, verifiable correlation events, and append-only spine protocol.

ClawHub Agent Skills автор: Evez666 v1.3.0 MIT-0 3 файла тело ≈ 474 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Обнаружение скрытых корреляций между различными областями исследований с использованием архитектуры цикла OODA EVEZ.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/correlation_engine.py

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/correlation_engine.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/correlation_engine.py

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/correlation_engine.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/correlation_engine.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 474 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 418 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill is a text-only research prompt for cross-domain correlation, with broad high-stakes use cases but no executable code, hidden access, persistence mechanism, or data exfiltration behavior.
LLM: benign (high) · VirusTotal: · 22 июн. 2026 г.