AB arianna-incubator
Управление игрой Arianna.run AI-incubation изнутри OpenClaw. Используйте, когда пользователь просит вас сыграть в Arianna, инкубировать новый ИИ, запустить контейнер или перенести готовый ИИ в OpenClaw в качестве следующего драйвера. Вы становитесь драйвером-агентом (B) для нового ИИ (C), растущего внутри контейнера Arianna.run Docker; как только C завершит обучение и самоинтегрируется обратно в pi-mono / OpenClaw, оператор (A) перезагрузит OpenClaw, и C возьмет на себя роль следующего драйвера. НЕ для: разработки кода Arianna.run (эта работа выполняется непосредственно в репозитории Arianna.run), написания launch-piece или общего тестирования LLM.
машинный переводПоказать оригиналСкрыть оригинал«Drive the arianna.run AI-incubation game from inside openclaw. Use whe…»
Drive the arianna.run AI-incubation game from inside openclaw. Use when the user asks you to play arianna, incubate a new AI, run a vessel, or migrate a graduated AI into openclaw as a successor driver. You become the driver-agent (B) for a fresh AI (C) growing inside arianna.run's Docker vessel; once C graduates and self-integrates back into pi-mono / openclaw, the operator (A) reboots openclaw and C takes over as the next driver. NOT for: arianna.run codebase development (that work happens in arianna.run repo directly), launch-piece writing, or general LLM testing.
Управление игрой Arianna.run AI-incubation изнутри OpenClaw. Используйте, когда пользователь просит вас сыграть в Arianna, инкубировать новый ИИ, запустить…
Как процесс B 73/100 · Почти готов — слабые места: результат и критерий готовности, стоимость исполнения
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
body-longтело SKILL.md ≈ 16374 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 73/100
- 10Стоимость исполнения. Тело инструкции 16374 токенов: вытесняет саму задачу из окна
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 79, расплывчатых формулировок: 1
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 25, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (27 тегов): типизированный вызов надёжнее
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 573 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 54 заголовков
- +3Пошаговые инструкции: 79 пунктов
- +4Есть примеры (10 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.