SKILLEMALL.ai
EN Войти

AA loot-reward-celebrator

Помогает пользователю завершить цикл после усилий, превращая выполненную задачу в таблицу добычи, справедливый план вознаграждений, видимую запись о победе и разумное условие для следующего разблокирования. Используйте, когда пользователь завершает серию привычек, этап проекта, экзамен или сложную задачу и нуждается в положительном подкреплении, которое не подрывает здоровье, деньги или долгосрочные цели.

машинный переводПоказать оригиналСкрыть оригинал«Help the user close the loop after effort by turning a completed task…»

Help the user close the loop after effort by turning a completed task into a loot table, a fair reward plan, a visible record of the win, and a sensible next unlock condition. Use when the user finishes a habit streak, project milestone, exam, or demanding task and needs positive reinforcement that does not sabotage health, money, or long-term goals.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 3 файла тело ≈ 424 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Помогает пользователю завершить цикл после усилий, превращая выполненную задачу в таблицу добычи, справедливый план вознаграждений, видимую запись о победе и…

Как процесс A 81/100 · Дойдёт до конца — слабые места: ошибки и развилки, отчётность по ходу

ПроцедураИИ и агентыЛичная продуктивностьтип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
70
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 81/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 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: 29
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 424 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 352 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    The skill's code and instructions are consistent with its stated purpose (creating modest, sustainable reward suggestions) and do not request credentials, perform network access, or touch unrelated system resources.
    LLM: benign (high) · VirusTotal: benign · 15 апр. 2026 г.