SKILLEMALL.ai

AC smart-hardware-reference

Справочная база знаний по разработке интеллектуального оборудования — компонент предметной области Universal Task OS. Предоставляет контрольный список задач разработки (9 областей, 68 типов задач), слоты структурных требований, отличные шаблонные фреймворки, которые динамически оркестрируются конвейером исполнительным механизмом UTOS, а контентным механизмом организуются по методу контрольного списка/образца. Охватывает полный жизненный цикл: рыночные требования/спецификации архитектуры/аппаратный дизайн/встроенное ПО/структурный ID/проверка прототипа/массовое производство и цепочка поставок/эксплуатация и обслуживание/управление проектом. Особые аспекты включают: интеграция аппаратного и программного обеспечения (MCU/BLE/OTA), производственные ограничения (DFM/DFT/цепочка поставок), сертификация соответствия (CCC/FCC/CE/KC/SRRC), трехэтапная проверка EVT/DVT/PVT. Триггерные слова: интеллектуальное оборудование, встраиваемое, IoT, Интернет вещей, прошивка, PCB, схема, массовое производство, NPI, EVT, DVT, PVT, сертификация, FCC, CE, SRRC, OTA, BLE, hardware, embedded, firmware, PCBA.

машинный переводПоказать оригиналСкрыть оригинал«智能硬件开发知识参考库——Universal Task OS的领域负载物。提供开发任务清单(9域68种任务类型)、结构要求槽位、优秀范本框架…»

智能硬件开发知识参考库——Universal Task OS的领域负载物。提供开发任务清单(9域68种任务类型)、结构要求槽位、优秀范本框架,由UTOS执行轴动态编排管线、内容轴按清单法/样本法组织产出。覆盖需求市场/架构规格/硬件设计/嵌入式软件/结构ID/原型验证/量产供应链/运维服务/项目管理全生命周期,特有维度包括硬软一体(MCU/BLE/OTA)、制造约束(DFM/DFT/供应链)、合规认证(CCC/FCC/CE/KC/SRRC)、EVT/DVT/PVT三阶段验证。触发词:智能硬件、嵌入式、IoT、物联网、固件、PCB、原理图、量产、NPI、EVT、DVT、PVT、认证、FCC、CE、SRRC、OTA、BLE、hardware、embedded、firmware、PCBA。

ClawHub Agent Skills автор: 波动几何 v1.0.0 MIT-0 5 файлов тело ≈ 712 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Справочная база знаний по разработке интеллектуального оборудования — компонент предметной области Universal Task OS.

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
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 5. 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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 712 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

  • +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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 346 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
The skill is mostly a smart-hardware reference library, but it tells the agent to automatically install and load another skill when activated.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.