SKILLEMALL.ai

BD algo-practice

🎯 Интерактивная практика алгоритмов с более чем 100 задачами разной сложности (легкая/средняя/сложная). Генерирует готовые к запуску шаблоны кода на Java и Python со встроенными тестовыми примерами. Идеально подходит для подготовки к собеседованиям по программированию и изучения алгоритмов. Охватывает массивы, строки, связанные списки, деревья, динамическое программирование, графы и многое другое.

машинный переводПоказать оригиналСкрыть оригинал«🎯 Interactive algorithm practice with 100+ problems across Easy/Mediu…»

🎯 Interactive algorithm practice with 100+ problems across Easy/Medium/Hard difficulties. Generates ready-to-run code templates in Java & Python with built-in test cases. Perfect for coding interview preparation and algorithm learning. Covers arrays, strings, linked lists, trees, dynamic programming, graphs, and more.

ClawHub Agent Skills автор: KadiJIN v1.0.0 MIT-0 2 файла тело ≈ 2 227 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

🎯 Интерактивная практика алгоритмов с более чем 100 задачами разной сложности (легкая/средняя/сложная).

Как процесс D 36/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
36/100
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 36/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (algo-practice) не совпадает с папкой (algorithm-practice)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 71, расплывчатых формулировок: 1
  • 100Стоимость исполнения. Тело инструкции 2227 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • -5В тексте остались TODO / заглушки
  • -242 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 320 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 71 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This is a coherent algorithm-practice skill that creates local Java/Python exercise templates and a small progress history file.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.