SKILLEMALL.ai

BC cognitive-topology

Движок топологии познания Agent. Автоматически разделяет сложные задачи на несколько независимых ветвей, выполняет их параллельно, а затем объединяет результаты. Сценарии использования: (1) сложная проблема требует многостороннего анализа (2) несколько независимых подзадач требуют параллельного выполнения (3) необходимо четко отслеживать ветви мышления (4) когда пользователь говорит "разветвить", "анализ ветвей", "многопоточность". Использует sessions_spawn для создания ветвей, результаты ветвей записываются в файл L2, Main Session читает и интегрирует их.

машинный переводПоказать оригиналСкрыть оригинал«Agent认知拓扑引擎。自动将复杂任务分裂为多个独立分支,并行执行后汇总整合。触发场景:(1)复杂问题需要多角度分析 (2)多独立子任务需要…»

Agent认知拓扑引擎。自动将复杂任务分裂为多个独立分支,并行执行后汇总整合。触发场景:(1)复杂问题需要多角度分析 (2)多独立子任务需要并行执行 (3)需要清晰追踪思维分支 (4)用户说"分叉"、"分支分析"、"多线程"时。使用 sessions_spawn 创建分支,分支结果写入 L2 文件,Main Session 读取并整合。

ClawHub Agent Skills автор: qiushang555 v1.0.0 MIT-0 8 файлов тело ≈ 352 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Движок топологии познания Agent.

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

СправочникИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
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: 8. 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: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 352 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -35 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 169 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This skill does useful parallel task splitting, but it also automatically stores task text and branch conclusions in long-term local memory without a clear opt-in.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.