SKILLEMALL.ai
EN Войти

AD auto-improvement-orchestrator

Конвейер автоматической оценки и улучшения навыков. 9-мерная структурная оценка (включая LLM-as-Judge), 4-кратное взвешивание ролей, коэффициент коррекции категорий (инструмент/знание/оркестрация/правило), защита регрессии Pareto front (безопасность 2%/эффективность 10%/другое 5%), повторные попытки с учетом трассировки. Включает 11 конвейерных навыков + 2 вспомогательных инструмента + 2 цели проверки. Не используется для ручного редактирования отдельных навыков (редактируйте непосредственно SKILL.md). См. execution-harness (надежность выполнения агента, отдельный репозиторий).

машинный переводПоказать оригиналСкрыть оригинал«Skill 自动评估和改进管线。9 维结构评分（含 LLM-as-Judge）、4 角色加权、 类别修正系数（tool/knowledge/…»

Skill 自动评估和改进管线。9 维结构评分（含 LLM-as-Judge）、4 角色加权、 类别修正系数（tool/knowledge/orchestration/rule）、Pareto front 回归保护 （security 2%/efficiency 10%/其他 5%）、trace-aware 失败重试。 包含 11 个管线 skill + 2 个辅助工具 + 2 个验证目标。 不用于单个 skill 的手动编辑（直接改 SKILL.md）。 参见 execution-harness（agent 执行可靠性，独立仓库）。

ClawHub Agent Skills автор: _silhouette v1.0.3 MIT-0 80 файлов тело ≈ 298 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Конвейер автоматической оценки и улучшения навыков.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Рискованное назначение intent-offensive-security docs/market-research/skill-evaluator-survey-20260325.md:58
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - 安全性（red team）

    Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

    Процессный рейтинг: все десять параметров 49/100

    • 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
    • 40Согласованность. Имя во frontmatter (auto-improvement-orchestrator) не совпадает с папкой (auto-improvement-orchestrator-skill)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 13
    • 100Стоимость исполнения. Тело инструкции 298 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
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +2Инструкции на одном языке
    • +3Длина description 270 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 13 пунктов
    • +4Есть примеры (1 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: suspicious
    This skill is a coherent auto-improvement pipeline, but it can modify skills, run tests/LLM evaluations, persist state, and read session logs with several under-disclosed or weakly scoped controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.