SKILLEMALL.ai

BC skill-refactor

Методы рефакторинга навыков. Основные возможности: оценка необходимости существования навыка (оценка устранения области) → если навык должен существовать, реструктуризация содержимого навыка (реструктуризация рабочего процесса). Одиннадцатишаговый метод: идентификация границ → анализ причин существования → оценка осуществимости устранения → определение необходимости независимого существования → вывод решения → идентификация составных частей → анализ причин существования составных частей → устранение компенсационного слоя → реорганизация → проверка реструктуризации → выбор формы рефакторинга. Охватывает весь процесс от оценки области навыка, определения необходимости существования, реструктуризации содержимого навыка до проверки рефакторинга. Универсальный метод, не привязанный к какому-либо конкретному навыку. Триггерные слова: рефакторинг навыка, реструктуризация навыка, оптимизация навыка, skill refactor, организация навыка, очистка навыка, оценка навыка.

машинный переводПоказать оригиналСкрыть оригинал«技能改造方法。核心能力:评估技能是否需要存在(领域消除评估)→ 如果需要存在则重构技能内容(工作流重构)。十一步法:边界识别→存在理由分析→…»

技能改造方法。核心能力:评估技能是否需要存在(领域消除评估)→ 如果需要存在则重构技能内容(工作流重构)。十一步法:边界识别→存在理由分析→消除可行性评估→独立存在必要性判断→决策输出→组成部分识别→组成部分存在理由分析→补偿层消除→重整→重构验证→改造形态选择。覆盖从技能领域评估、存在必要性判断、技能内容重构到改造验证的全流程。通用方法,不绑定任何特定技能。触发词:技能改造、技能重构、技能优化、skill refactor、技能整理、技能清理、技能评估。

ClawHub Agent Skills автор: 波动几何 v1.0.2 MIT-0 2 файла тело ≈ 3 042 токенов Открыть источникclawhub.ai проанализирован 12 ч назад

Методы рефакторинга навыков.

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

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 2. 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: 89
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3042 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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
  • -235 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 230 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 89 пунктов
  • +4Есть примеры (1 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a markdown-only advisory method for evaluating and refactoring skills, with no code execution, credential access, persistence, or automatic changes.
LLM: benign (high) · VirusTotal: · 5 июн. 2026 г.