SKILLEMALL.ai

AC self-improving-agent

Записывайте ошибки, исправления и повторяющиеся шаблоны в структурированные журналы `.learnings/`, затем переносите постоянные рекомендации в файлы памяти рабочей области. Используйте, когда команды завершаются с ошибкой, пользователи исправляют вывод, запрашиваются отсутствующие возможности или когда следует сохранить новые лучшие практики для использования в разных сессиях.

машинный переводПоказать оригиналСкрыть оригинал«Capture errors, corrections, and recurring patterns into structured `.…»

Capture errors, corrections, and recurring patterns into structured `.learnings/` logs, then promote durable guidance into workspace memory files. Use when commands fail, users correct output, missing capabilities are requested, or new best practices should be preserved across sessions.

ClawHub Agent Skills автор: ollieb89 v1.1.0 16 файлов · 4 скрипта тело ≈ 418 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Записывайте ошибки, исправления и повторяющиеся шаблоны в структурированные журналы .learnings/, затем переносите постоянные рекомендации в файлы памяти…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

    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: 16. 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 51/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (self-improving-agent) не совпадает с папкой (self-improving-agent-ollieb89)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Стоимость исполнения. Тело инструкции 418 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 287 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    This skill appears intended for agent learning, but it documents broad always-on hooks and persistent memory updates that can affect many sessions and projects.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.