B Self-Evolving Skill
Meta-cognitive self-learning system - Automated skill evolution based on predictive coding and value-driven mechanisms.
B
82/100
Общая оценка
- Безопасность 60%
- Качество 40%
- Тесты бонус
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для срабатывания.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- Добавьте evals/evals.json с 4–6 реальными запросами и ожидаемыми ответами: тогда полная проверка использует ваши кейсы, а не черновик модели.
- Добавьте spec.yaml с триггерами и утверждениями (skilltest init): это контракт поведения для CI.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
Lint
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
missing-refссылка на отсутствующий файл: MCP_CONFIG.md - предупреждение
missing-refссылка на отсутствующий файл: ../MEMORY.md - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессная зрелость 31/100
Не запустится. Скилл ссылается на файлы, которых нет в архиве: MCP_CONFIG.md, ../MEMORY.md
- 0Инструменты и файлы. Не хватает 2 файла(ов): MCP_CONFIG.md, ../MEMORY.md
- 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
- 40Согласованность. Имя во frontmatter (Self-Evolving Skill) не совпадает с папкой (self-evolving-skill)
- 100Шаги. Шагов: 7
- 100Стоимость исполнения. Тело инструкции 752 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)
- +3Длина description 119: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 7 пунктов
- +4Есть примеры (7 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 54.
Внешние проверки
ClawHub: suspicious
This looks like a local self-learning skill rather than malware, but it needs review because its storage/runtime behavior is inconsistent and it can log full tool inputs.
LLM: suspicious (medium) · VirusTotal: benign · 10 сент. 2026 г.