SKILLEMALL.ai

BB knowledge-compiler

Knowledge compiler: teaches agents to incrementally compile source files into persistent wikis for cross-session knowledge accumulation. Runtime dependencies: Python 3.8+ (stdlib + pydantic). Optional enhancements: WebSearch (active search), external MCP validator (logic validation). Five modes, automatically routed based on user intent: recall → User wants to answer questions based on existing knowledge. Trigger words: recall, knowledge mode, open wiki, answer with knowledge, according to wiki, based on accumulation, check wiki, does wiki have, researched before, previously organized. ingest → User provided new material, wants to compile into wiki. Trigger words: ingest, compile, organize this, digest this, study this, archive, add this in, accumulate, research this, help me organize, add to knowledge base. query → User asked a specific question, wants to find answer from wiki (one-time). Trigger words: query, answer according to wiki, what does wiki say, check it. lint → User wants to check wiki health. Trigger words: lint, check wiki, wiki health, clean up, any conflicts. deep-dive → User wants Agent to automatically find knowledge gaps and fill them. Trigger words: deep-dive, deep dive, fill gaps, research gaps, level up, auto-complete wiki, knowledge completion, comprehensive fill. Note: deep-dive is not an independent mode, it's a combined pipeline of lint(Coverage) + ingest(search-fill).

ClawHub Agent Skills автор: hanlinlibham v1.0.1 MIT-0 18 файлов тело ≈ 4 335 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Как процесс B 65/100 · Почти готов — слабые места: когда включается, согласованность

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Когда включается вес 12
20
Согласованность вес 8
40
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
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: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1424 символов, лимит 1024

Процессный рейтинг: все десять параметров 65/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (knowledge-compiler) не совпадает с папкой (auto-wiki)
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Ошибки и развилки. Развилок: 5
  • 70Стоимость исполнения. Тело инструкции 4335 токенов
  • 100Шаги. Шагов: 43
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 1423: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (11 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This skill is a disclosed local wiki-building workflow with some important operational risks, but the sensitive behaviors are mostly purpose-aligned and user-visible.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.