SKILLEMALL.ai

BF superclaw

14 проверенных в производстве навыков рабочих процессов агентов для дисциплинированного, высококачественного кодирования ИИ и выполнения задач. Охватывает TDD, отладку, проверку кода, планирование, мозговой штурм, верификацию, отправку под-агентов и многое другое. Создано операторами, которые ежедневно используют агентов в производстве.

машинный переводПоказать оригиналСкрыть оригинал«14 production-tested agent workflow skills for disciplined, high-quali…»

14 production-tested agent workflow skills for disciplined, high-quality AI coding and task execution. Covers TDD, debugging, code review, planning, brainstorming, verification, subagent dispatch, and more. Built by operators who run agents in production daily.

ClawHub Agent Skills автор: gvuckovich v1.0.0 MIT-0 46 файлов тело ≈ 379 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

14 проверенных в производстве навыков рабочих процессов агентов для дисциплинированного, высококачественного кодирования ИИ и выполнения задач.

Как процесс F 34/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Шаги вес 15
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. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 34/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 40Согласованность. Имя во frontmatter (superclaw) не совпадает с папкой (superclaw-skills)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Стоимость исполнения. Тело инструкции 379 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 261 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This is a real coding-workflow skill bundle, but it needs Review because it can broadly steer the agent, run project code, change git state, expose a local browser helper, and persist user interaction data without enough scoping or consent.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.