SKILLEMALL.ai

AB agent-runtime-impact-research

Исследуйте и анализируйте основные выпуски Agent harness, runtime, coding-agent, skills, subagent и плагинов. Используйте, когда модель или платформа запускает уровень выполнения Agent, и пользователю нужны проверенные факты, объяснение архитектуры, влияние на экосистему и последствия для платформ агентов и кодирующих агентов. Создает таблицу фактов, объяснение потока выполнения, многоуровневый анализ влияния и реестр источников с разделением суждений и доказательств. 中文摘要:研究 Agent 运行时、编码代理、Skills、插件与子代理的重大发布。产出经核实的 事实表、架构解析、分层影响分析与来源登记,判断与证据分离。触发词:Agent 运行时分析、 Agent 发布影响评估、Harness 架构解读、插件生态影响.

машинный переводПоказать оригиналСкрыть оригинал«Research and analyze major Agent harness, runtime, coding-agent, skill…»

Research and analyze major Agent harness, runtime, coding-agent, skills, subagent, and plugin releases. Use when a model or platform launches an Agent execution layer and the user needs verified facts, architecture explanation, ecosystem impact, and implications for agent platforms and coding agents. Produces a fact table, runtime flow explanation, layered impact analysis, and a source register with judgment and evidence visibly separated. 中文摘要:研究 Agent 运行时、编码代理、Skills、插件与子代理的重大发布。产出经核实的 事实表、架构解析、分层影响分析与来源登记,判断与证据分离。触发词:Agent 运行时分析、 Agent 发布影响评估、Harness 架构解读、插件生态影响.

ClawHub Agent Skills автор: haiyangchen v1.0.2 MIT-0 4 файла тело ≈ 1 922 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Исследуйте и анализируйте основные выпуски Agent harness, runtime, coding-agent, skills, subagent и плагинов.

Как процесс B 70/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
    • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
    • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
    • заметка frontmatter-key неизвестное поле фронтматтера "not_for"

    Процессный рейтинг: все десять параметров 70/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 45
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1922 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 572 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a transparent research-writing skill for analyzing agent runtime releases, with only ordinary web research expected and no hidden local access or persistence.
    LLM: benign (high) · VirusTotal: · 24 авг. 2026 г.