SKILLEMALL.ai
EN Войти

AB running_tracker

Отслеживайте, регистрируйте и анализируйте время тренировок по бегу. Используйте, когда пользователь сообщает о новом забеге (например, «1 миля 8:20», «3 км 15:33», «только что закончил бег»), спрашивает об истории бега, темпе, прогрессе, личных рекордах, советах по тренировкам на основе его зарегистрированных забегов или о чем-либо, связанном с его данными о беге.

машинный переводПоказать оригиналСкрыть оригинал«Track, log, and analyze running workout times. Use when the user repor…»

Track, log, and analyze running workout times. Use when the user reports a new run (e.g. "1mi 8:20", "3k 15:33", "just finished a run"), asks about running history, pace, progress, personal bests, training advice based on their logged runs, or anything related to their running data.

ClawHub Agent Skills автор: Fernando Valverde v0.1.0 MIT-0 3 файла тело ≈ 360 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Отслеживайте, регистрируйте и анализируйте время тренировок по бегу.

Как процесс B 76/100 · Почти готов — слабые места: согласованность, повторный запуск

АнализаторИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Повторный запуск вес 4
30
Согласованность вес 8
40
Результат и критерий готовности вес 14
60
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 76/100

    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (running_tracker) не совпадает с папкой (running-tracker)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 11
    • 100Стоимость исполнения. Тело инструкции 360 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 283 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is a simple running log skill that stores workout entries in its own local markdown file and does not show hidden commands, networking, credential use, or broad file access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.