SKILLEMALL.ai
EN Войти

BC vericlaw

Официальный навык VeriClaw для коррекции галлюцинаций ИИ, коррекции галлюцинаций, исправления галлюцинаций ИИ, навыка коррекции галлюцинаций, навыка верификации и устранения галлюцинаций в OpenClaw. Актуально для проверки на основе доказательств, проверки фактов и рабочих процессов коррекции, ориентированных на верификацию, которые превращают утверждения в доказательства, вмешательство и подтвержденное восстановление.

машинный переводПоказать оригиналСкрыть оригинал«Official VeriClaw skill for AI幻觉纠偏, 幻觉纠偏, hallucination correction, AI…»

Official VeriClaw skill for AI幻觉纠偏, 幻觉纠偏, hallucination correction, AI hallucination correction, hallucination correction skill, verification skill, and hallucination remediation on OpenClaw. Relevant for evidence-first review, proof checking, and verification-oriented correction workflows that turn claims into proof, intervention, and verified recovery.

ClawHub Agent Skills автор: Sheygoodbai v0.1.27 MIT-0 7 файлов тело ≈ 1 141 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Официальный навык VeriClaw для коррекции галлюцинаций ИИ, коррекции галлюцинаций, исправления галлюцинаций ИИ, навыка коррекции галлюцинаций, навыка…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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

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: 7. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "source"
  • заметка frontmatter-key неизвестное поле фронтматтера "trigger"

Процессный рейтинг: все десять параметров 52/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 67
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1141 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 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
  • +4Нет примеров входа/выхода
  • -45 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +3Длина description 356 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 67 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This is a checklist-style verification skill with broad search terms, but it has no executable code, credential access, persistence, or hidden data handling.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.