SKILLEMALL.ai

AD workflow-crystallizer

Анализируйте журналы памяти для выявления повторяющихся закономерностей и предложения автоматизации — cron-задачи, навыки или ярлыки рабочего процесса. Агент со временем создает свои собственные ярлыки. Используйте когда: анализ закономерностей, закономерности рабочего процесса, повторяющиеся задачи, что я постоянно делаю, предлагать автоматизацию, кристаллизовать рабочие процессы, выявлять привычки, оптимизировать мои рабочие процессы, что следует автоматизировать.

машинный переводПоказать оригиналСкрыть оригинал«Analyze memory logs to detect recurring patterns and suggest automatio…»

Analyze memory logs to detect recurring patterns and suggest automations — cron jobs, skills, or workflow shortcuts. The agent builds its own shortcuts over time. Use when: pattern analysis, workflow patterns, recurring tasks, what do I keep doing, suggest automations, crystallize workflows, detect habits, optimize my workflows, what should be automated.

ClawHub Agent Skills автор: New Age Investments v1.1.0 MIT-0 9 файлов тело ≈ 867 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализируйте журналы памяти для выявления повторяющихся закономерностей и предложения автоматизации — cron-задачи, навыки или ярлыки рабочего процесса.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураИИ и агентыЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 46/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (workflow-crystallizer) не совпадает с папкой (nai-workflow-crystallizer)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 14
    • 100Стоимость исполнения. Тело инструкции 867 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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 356 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 2)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill does what it claims: it analyzes local memory logs and stores local state to suggest workflow automations, with privacy caveats users should understand.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.