SKILLEMALL.ai

AC rocket-mass-heater-construction

Используйте при наличии ненадежного электроснабжения, высоких затрат на отопление или при подготовке к нестабильным временам, когда требуется эффективное отопление на основе древесины без огромного потребления топлива. Агент исследует местные нормы и материалы, генерирует индивидуальные планы строительства на основе вашего пространства и доступных ресурсов, создает поэтапные списки материалов и контрольные списки безопасности, отслеживает ход строительства по журналам, устанавливает напоминания о строительстве и отслеживает метрики производительности после строительства. Человек выполняет всю физическую работу: смешивание глины, сборка ядра, строительство скамьи с тепловой массой.

машинный переводПоказать оригиналСкрыть оригинал«Use when facing unreliable grid power, high heating costs, or preparin…»

Use when facing unreliable grid power, high heating costs, or preparing for unstable times where efficient wood-based heat is needed without massive fuel consumption. Agent researches local regulations and materials, generates customized build plans based on your space and available resources, creates phased material lists and safety checklists, tracks build progress via logs, sets construction reminders, and monitors post-build performance metrics. Human performs all physical labor: mixing cob, assembling the core, building the thermal mass bench.

ClawHub Agent Skills автор: HowToUseHumans v1.0.0 MIT-0 2 файла тело ≈ 1 889 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте при наличии ненадежного электроснабжения, высоких затрат на отопление или при подготовке к нестабильным временам, когда требуется эффективное…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктураИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Ошибки и развилки. Развилок: 2
    • 85Шаги. Шагов: 56, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1889 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 10. 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 554 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 56 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed planning guide for a rocket mass heater, with real fire and carbon monoxide safety risks but no hidden code, credential use, or malicious behavior in the artifacts.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.