SKILLEMALL.ai

AC asking-until-100

Протокол вопросов, учитывающий репозиторий, для OpenClaw, который усиливает уточнение перед выполнением задач по кодированию, сборке проекта, архитектуре, отладке и реализации. Используйте, когда требования, контекст репозитория, ограничения, интерфейсы, критерии успеха или строгость выполнения неоднозначны, и агент должен задавать более информативные вопросы или генерировать структурированный отчет с вопросами перед реализацией.

машинный переводПоказать оригиналСкрыть оригинал«Repo-aware questioning protocol for OpenClaw that increases clarificat…»

Repo-aware questioning protocol for OpenClaw that increases clarification before acting on coding, project-build, architecture, debugging, and implementation tasks. Use when requirements, repo context, constraints, interfaces, success criteria, or execution rigor are ambiguous and the agent should ask higher-signal questions or generate a structured question report before implementation.

ClawHub Agent Skills автор: Hongyi3 v0.1.0 MIT-0 17 файлов тело ≈ 707 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Протокол вопросов, учитывающий репозиторий, для OpenClaw, который усиливает уточнение перед выполнением задач по кодированию, сборке проекта, архитектуре…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторРазработкаДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

    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: 17. 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 53/100

    • 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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 27
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 707 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • -31 из 5 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 390 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

    Внешние проверки

    ClawHub: clean
    This skill is a transparent clarification helper that may slow coding/build work with structured questions, but it does not show hidden access, persistence, exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.