SKILLEMALL.ai

AC ping-pong-coach

Генерация плана обучения настольному теннису. Активируется, когда пользователь говорит «составь план обучения настольному теннису», «сгенерируй план обучения настольному теннису», «составь план тренировок по настольному теннису» или спрашивает о содержании обучения настольному теннису, плане тренировок, поэтапном плане. Вводя пол, возраст ученика и сколько лет он занимается настольным теннисом, выводит полный поэтапный план обучения, включая продолжительность каждого этапа, ключевые технические моменты, оценку текущего этапа и оценку оставшегося времени обучения.

машинный переводПоказать оригиналСкрыть оригинал«乒乓球教学方案生成。当用户说"帮我出一份乒乓球教学方案"、"生成乒乓球学习计划"、"帮我出一份乒乓球培训方案",或询问乒乓球教学内容、训练计…»

乒乓球教学方案生成。当用户说"帮我出一份乒乓球教学方案"、"生成乒乓球学习计划"、"帮我出一份乒乓球培训方案",或询问乒乓球教学内容、训练计划、阶段安排时触发。输入学员性别、年龄、学乒乓球几年后,输出完整的分阶段教学方案,包括各阶段时长、技术要点、当前阶段判断和剩余学习时间估算。

ClawHub Agent Skills автор: taradl7347c v1.0.0 MIT-0 4 файла тело ≈ 324 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генерация плана обучения настольному теннису.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
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: 4. 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: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 324 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 140 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (3 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: 84.

Внешние проверки

ClawHub: clean
The visible skill bundle is coherent ClawHub/Convex maintenance guidance with disclosed powerful commands, but no hidden malicious behavior was found.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.