SKILLEMALL.ai

AC course-study

Превращает материалы курса (слайды, список тем или название курса) в исчерпывающие, объясненные по Фейнману, готовые к экзамену конспекты для повторения. Используйте для изучения/повторения курса или создания шпаргалки для экзамена: «revise these slides», «$course-study». НЕ используйте для выполнения домашнего задания пользователя с целью сдачи.

машинный переводПоказать оригиналСкрыть оригинал«Turn a course's materials (slides, a topic list, or a course name) int…»

Turn a course's materials (slides, a topic list, or a course name) into complete-coverage, Feynman-explained, exam-ready revision notes. Use to study/revise a course or build an exam cheat sheet: "revise these slides", "$course-study". Do NOT use to do the user's graded homework for submission.

ClawHub Agent Skills автор: VincentJiang06 v3.0.2 MIT-0 14 файлов тело ≈ 1 689 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Превращает материалы курса (слайды, список тем или название курса) в исчерпывающие, объясненные по Фейнману, готовые к экзамену конспекты для повторения.

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

ПроцедураОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
99/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
98
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
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1689 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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

    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 295 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 98.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only study-notes skill whose file, web, PDF, and PDF-export behavior is disclosed and fits its education purpose.
    LLM: benign (high) · 6 июл. 2026 г.