SKILLEMALL.ai

AC openclaw-agent-optimize

Используйте, когда: вам нужен структурированный аудит -> параметры -> рекомендуемый план по улучшению рабочей области OpenClaw (стоимость, маршрутизация моделей, дисциплина контекста, делегирование, надежность). Не используйте, когда: вам нужны немедленные изменения конфигурации/cron без обзора, или вопрос не связан с операциями OpenClaw. Вывод: приоритизированный план с точными предложениями по изменениям, ожидаемым влиянием и шагами отката. Никаких постоянных изменений без явного одобрения.

машинный переводПоказать оригиналСкрыть оригинал«Use when: you want a structured audit -> options -> recommended plan t…»

Use when: you want a structured audit -> options -> recommended plan to improve an OpenClaw workspace (cost, model routing, context discipline, delegation, reliability). Don't use when: you want immediate config/cron mutations without review, or the question is unrelated to OpenClaw ops. Output: a prioritized plan with exact change proposals, expected impact, and rollback steps. No persistent changes without explicit approval.

ClawHub Agent Skills автор: phenomenoner v1.2.1 12 файлов тело ≈ 986 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте, когда: вам нужен структурированный аудит -> параметры -> рекомендуемый план по улучшению рабочей области OpenClaw (стоимость, маршрутизация…

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИнфраструктураИИ и агентытип 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
C
64/100
Есть пробелы
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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

    Процессный рейтинг: все десять параметров 64/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 57
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 986 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 430 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 57 пунктов
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)
    • +1Лицензия указана

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

    Внешние проверки

    ClawHub: clean
    This is a documented advisory OpenClaw optimization skill with user-gated persistent changes and no embedded executable payload.
    LLM: benign (high) · VirusTotal: benign · 10 сент. 2026 г.