SKILLEMALL.ai

AC skill-quality-assurance

Помощник по шестимерной оценке качества навыков. Использует структурированную шестимерную модель оценки (T Техническая глубина, C Когнитивное улучшение, O Оркестрационные возможности, E Эволюционные возможности, M Проверка рынком, U Пользовательский опыт) для автоматической оценки навыков. Используется, когда: (1) требуется оценка качества после завершения разработки нового навыка, (2) требуется оценка версии при обновлении существующего навыка, (3) требуется проверка качества перед размещением на ClawHub, (4) проводится регулярная проверка работоспособности навыка.

машинный переводПоказать оригиналСкрыть оригинал«技能质量六维评估助手。使用结构化六维评估模型(T 技术深度、C 认知增强、O 编排能力、E 进化能力、M 市场验证、U 用户体验)对技能进行…»

技能质量六维评估助手。使用结构化六维评估模型(T 技术深度、C 认知增强、O 编排能力、E 进化能力、M 市场验证、U 用户体验)对技能进行自动化评估。使用当:(1) 新技能开发完成后需要质量评估,(2) 现有技能需要版本升级评估,(3) 准备 ClawHub 上架前需要质量检查,(4) 定期技能健康检查。

ClawHub Agent Skills автор: pagoda v0.1.0 MIT-0 6 файлов тело ≈ 1 265 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощник по шестимерной оценке качества навыков.

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
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: 6. 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 1265 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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 154 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 32 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (13 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This is a local skill-quality evaluation tool whose file access and report generation match its stated purpose.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.