SKILLEMALL.ai

AD complex-bug-debugging-with-ai

Метаметодология совместного устранения сложных ошибок с ИИ. Когда пользователь сообщает об "эфемерной / периодической / многофакторной / не поддающейся исправлению перезагрузкой / требующей взаимодействия нескольких систем / давно исследуемой, но безрезультатной" ошибке, активируйте 7-этапный рабочий процесс сотрудничества этого SKILL: "Согласование бизнес-цепочки → Структурирование симптомов → Цикл граничного тестирования → Размещение решений → Выполнение и проверка → Эскалация при неэффективности → Осаждение результатов". Этот SKILL является двусторонним дисциплинарным инструментом — он одновременно ограничивает ИИ (не делать субъективных выводов, не выдумывать по предположениям, сообщать о неэффективности решений, прекращать продвижение при отсутствии сотрудничества со стороны пользователя) и пользователя (принимать схему цепочки, отвечать на структурированные вопросы, предоставлять точные обратные сигналы, принимать решения по решениям). При отсутствии сотрудничества с любой из сторон ИИ должен четко указать на это с помощью встроенных формулировок, не продвигая проблему без решения.

машинный переводПоказать оригиналСкрыть оригинал«复杂 bug 与 AI 协作排查的元方法论。当用户报告"诡异 / 间歇性 / 多层因素 / 重启不愈 / 多系统协作 / 已经排查很久没头绪…»

复杂 bug 与 AI 协作排查的元方法论。当用户报告"诡异 / 间歇性 / 多层因素 / 重启不愈 / 多系统协作 / 已经排查很久没头绪"的 bug 时,启用本 SKILL 的 7 阶段协作工作流:"业务链路对齐 → 症状结构化 → 边界测试循环 → 方案摆台 → 执行验证 → 失效升级 → 闭环沉淀"。本 SKILL 是双向纪律——同时约束 AI(不主观论断、不沿假设编、方案失效要主动说、用户不配合时停止推进)和用户(验收链路图、答完结构化问题、提供精确反信号、主动决策方案)。任一方不配合,AI 必须按内置话术明确指出,不带病硬推。

ClawHub Agent Skills автор: hgvgfgvh v1.0.0 MIT-0 2 файла тело ≈ 2 014 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Метаметодология совместного устранения сложных ошибок с ИИ.

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 2. 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 48/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 33
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2014 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 272 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +4Есть примеры (16 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
This is a debugging workflow, but it asks for powerful production-style access and defaults to writing a bug report file that may contain sensitive troubleshooting details without clear confirmation.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.