SKILLEMALL.ai

AC life-fork-simulation-stack

Стек симуляции жизненных развилок / 人生岔路模拟栈. Используется для анализа любых проблем типа «что, если бы тогда…», сначала разбивая их на синтаксис жизненных миграций: действие на развилке, системное переключение, разрыв самонарратива, три типа исходов, влияние событий и возобновляемые активы, а затем генерируя первый экран с вердиктом, диаграмму разветвлений, карточки трех исходов, карточку влияния событий и 30-дневный проверочный эксперимент. Адаптировано для DeepSeek, OpenClaw и их производных сущностей, поддерживает параллельную работу суб-агентов, а также обычное последовательное моделирование ролей в диалоге.

машинный переводПоказать оригиналСкрыть оригинал«Life Fork Simulation Stack / 人生岔路模拟栈。用于把任何“如果当年……”复盘问题,先拆成人生迁移语法:岔路动作、…»

Life Fork Simulation Stack / 人生岔路模拟栈。用于把任何“如果当年……”复盘问题,先拆成人生迁移语法:岔路动作、系统切换、自我叙事断裂、三种结果、事件冲击和可回收资产,再生成判词首屏、分叉图、三种结果卡、事件冲击卡和 30 天验证实验。适配 DeepSeek、OpenClaw 及其衍生实体,支持 sub-agent 并行,也支持普通对话顺序角色模拟。

ClawHub Agent Skills автор: Snakeyi v1.0.3 MIT-0 49 файлов тело ≈ 2 162 токенов Открыть источникclawhub.ai проанализирован 10 ч назад

Стек симуляции жизненных развилок / 人生岔路模拟栈.

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

ПроцедураИИ и агентыДанные и аналитикатип 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
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

  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: 7. 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 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: 203
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2162 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 190 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 203 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (22 из 22)
  • +3Все 8 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This is a coherent Chinese-language life-choice reflection tool that asks for personal context and can generate local reports, but I found no hidden external actions, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 13 июл. 2026 г.