SKILLEMALL.ai

BC xiaozhi-cross-subject-detective

Объединение нескольких дисциплин за неделю вокруг одной реальной темы для выявления связей между ними. Активируется, когда студент говорит «Неделя междисциплинарных расследований», «Помоги мне связать знания из разных дисциплин», «Какие дисциплины можно связать через Шелковый путь?», «Я хочу провести тематическое исследование», «Какова связь между историей и географией?». Процесс: выбор темы → многосторонний взгляд → углубленное изучение каждой дисциплины → установление связей → систематизация записей проекта, результат — в виде концептуальной карты. Не решает задачи по отдельным предметам (перенаправляет к соответствующему тренеру), не анализирует ошибки (перенаправляет к сборнику ошибок), не пишет исследовательские отчеты за студента.

машинный переводПоказать оригиналСкрыть оригинал«用一个真实主题在一周内串联多门学科,找出学科之间的联结。学生说"跨学科侦探周"、"帮我联系不同学科的知识"、"丝绸之路能串哪些学科"、"我想…»

用一个真实主题在一周内串联多门学科,找出学科之间的联结。学生说"跨学科侦探周"、"帮我联系不同学科的知识"、"丝绸之路能串哪些学科"、"我想做一个主题研究"、"历史和地理有什么关系"时可激活。流程是选题→多视角→逐科深潜→建立联结→整理项目记录,产出写进概念图谱。它不做单科解题(转对应学科教练)、不做错题分析(转错题本)、不替学生写研究报告。

ClawHub Hermes автор: 小智伴学 v2.1.12 MIT-0 12 файлов тело ≈ 1 254 токенов Открыть источникclawhub.ai проанализирован 15 ч назад

Объединение нескольких дисциплин за неделю вокруг одной реальной темы для выявления связей между ними.

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

Анализатортип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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

  • предупреждение description-long-hermes description 172 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "grade_bands"
  • заметка frontmatter-key неизвестное поле фронтматтера "depends_on"
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"

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: 5
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1254 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 172 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 5 пунктов
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a self-contained educational skill for cross-subject project learning, with disclosed memory use and no executable code or hidden installation behavior.
LLM: benign (high) · VirusTotal: · 7 сент. 2026 г.