SKILLEMALL.ai

BC intelligent-driving-dss

Система поддержки принятия решений в области интеллектуального вождения — на основе моделей автоматизации от уровня L2 до L5 и активного прогнозирования рисков, обеспечивает стресс-тестирование сценариев в реальном времени, анализ слияния данных с нескольких датчиков и высокоточную предиктивную сигнализацию о рисках. Интегрирует основные правила Закона о безопасности дорожного движения Китая и базу данных новых энергетических транспортных средств. Сценарии использования: проектирование алгоритмов автономного вождения, моделирование дорожного движения, оценка функций помощи водителю, принятие решений в экстремальных погодных условиях и т. д.

машинный переводПоказать оригиналСкрыть оригинал«智能驾驶决策支持系统 - 基于 L2 到 L5 级别的自动化和主动风险预测模型,提供实时路况下的情景压力测试、多传感器融合分析及高精度风险预…»

智能驾驶决策支持系统 - 基于 L2 到 L5 级别的自动化和主动风险预测模型,提供实时路况下的情景压力测试、多传感器融合分析及高精度风险预警。集成中国道路交通安全法核心规则与新能源车型数据库。使用场景:自动驾驶算法设计、交通工程模拟、高级辅助驾驶功能评估、极端天气工况决策等。

ClawHub Agent Skills автор: Mikewong v1.0.0 MIT-0 26 файлов тело ≈ 1 841 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Система поддержки принятия решений в области интеллектуального вождения — на основе моделей автоматизации от уровня L2 до L5 и активного прогнозирования…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 26. 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: 50
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1841 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
  • -262 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 139 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (5 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This static driving-reference skill needs Review because it includes unsafe crash-response guidance and under-scoped automatic update/investment-advice language in a safety-sensitive domain.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.