SKILLEMALL.ai

AC autopilot-flow

自动驾驶流程是把重复任务自动化的端到端能力包。它不停留在抽象的"识别→抽象→自动化" 口号,而是把六步法每步都具象化为可执行动作,并补齐原版缺失的错误处理、监控、 文档化环节。 核心能力: - 六步具象化:观察(日志法)、抽象(模式提取)、设计(流程图)、实现(脚本/配置)、 测试(dry-run)、优化(迭代指标) - 三个端到端模板:周报自动化、数据清洗自动化、文件整理自动化 - 错误处理:五级降级策略 - 监控:自动化健康度看板 - 触发思维:不是"等用户要求",而是"看到重复立刻构建" 适用场景: - 每周手动做周报 - 每天清洗相似结构的数据 - 下载目录天天堆满待整理文件 - 任何"这事我做过三次了"的重复任务 差异化: - 原始版本只有6步口号式描述,本版把每步具象化为可执行动作与产物 - 新增三个端到端模板(周报、数据清洗、文件整理) - 新增错误处理五级降级与监控看板 - 新增"触发思维"章节,让Agent主动识别重复而非被动响应 - 增加FAQ与故障排查 触发关键词:重复任务、自动化、周报、数据清洗、文件整理、观察抽象、自动驾驶

ClawHub Agent Skills автор: 天轰穿 v1.0.0 MIT-0 2 файла тело ≈ 1 584 токенов Открыть источникclawhub.ai проанализирован 16 ч назад

自动驾驶流程是把重复任务自动化的端到端能力包。它不停留在抽象的"识别→抽象→自动化" 口号,而是把六步法每步都具象化为可执行动作,并补齐原版缺失的错误处理、监控、 文档化环节。 核心能力: - 六步具象化:观察(日志法)、抽象(模式提取)、设计(流程图)、实现(脚本/配置)、…

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

ИнтеграцияZapierИИ и агентыПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
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: 0. 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 "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"

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. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 51
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1584 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 3 примера фраз-триггеров в кавычках
  • +3Длина description 487 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 51 пунктов
  • +4Есть примеры (13 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
The skill is a legitimate automation guide, but it encourages agents to build or enable automations too proactively, including scripts, cron jobs, file moves, and email actions, without consistently requiring explicit user approval.
LLM: suspicious (high) · 17 июл. 2026 г.