SKILLEMALL.ai

AB Studying

Планирует учебные расписания и проводит учебные сессии с использованием методов повторного извлечения, интервального повторения и протоколов обратного отсчета до экзамена. Используйте, когда студент готовится к экзамену, промежуточному, итоговому или сертификационному тесту, спрашивает, как учиться, повторять, запоминать или зубрить, говорит, что много учился, но все забыл, провалил или не справился с пробным тестом, не может сосредоточиться или постоянно откладывает дела, или жонглирует несколькими курсами перед неделей тестов. Охватывает выбор техники, еженедельное планирование, ведение заметок, практику решения задач, подготовку эссе и стратегию дня экзамена, а также сохраняет то, что работает для этого студента между сессиями. Не для создания колод карточек или самих пробных тестов.

машинный переводПоказать оригиналСкрыть оригинал«Plans study schedules and runs study sessions with retrieval practice,…»

Plans study schedules and runs study sessions with retrieval practice, spaced review, and exam countdown protocols. Use when a student prepares for an exam, midterm, final, or certification, asks how to study, revise, memorize, or cram, says they studied hard but forgot everything, failed or blanked on a practice test, cannot focus or keeps procrastinating, or is juggling several courses before test week. Covers technique choice, weekly planning, note-taking, problem practice, essay prep, and test-day strategy, and persists what works for this student across sessions. Not for producing flashcard decks or practice tests themselves.

ClawHub Agent Skills автор: Iván v1.0.4 MIT-0 15 файлов тело ≈ 3 851 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Планирует учебные расписания и проводит учебные сессии с использованием методов повторного извлечения, интервального повторения и протоколов обратного отсчета…

Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

АнализаторОбучениеТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "changelog"
    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 71/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 50
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3851 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 14. 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 638 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 50 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

    Внешние проверки

    ClawHub: clean
    This is a study-coaching skill with disclosed, narrow local preference storage; it does not show hidden, destructive, or unrelated behavior.
    LLM: benign (high) · VirusTotal: · 26 июл. 2026 г.