SKILLEMALL.ai

BC daily-to-goal-ai-coach

AI-коуч «День за днем к цели» — установка в один клик в ClawHub / OpenClaw, автоматическое создание рабочей области «День за днем к цели», управление целями, отслеживание задач, запись вклада, ежедневные сводки и еженедельные отчеты команды через диалог. Поддерживает личный и командный режимы, весь процесс установки происходит в диалоге в IM-канале (Telegram и т. д.), без перехода на веб-сайт.

машинный переводПоказать оригиналСкрыть оригинал«Daily to Goal AI Coach — 在 ClawHub / OpenClaw 中一键安装,自动开通 Daily to Goal…»

Daily to Goal AI Coach — 在 ClawHub / OpenClaw 中一键安装,自动开通 Daily to Goal 工作空间,通过对话完成目标管理、任务追踪、贡献记录、每日摘要与团队周报的完整闭环。支持个人模式与团队模式,安装全程在 IM 渠道(Telegram 等)对话内完成,无需跳转网页。

ClawHub Agent Skills автор: Xiao Ke v0.1.1 MIT-0 4 файла тело ≈ 87 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

AI-коуч «День за днем к цели» — установка в один клик в ClawHub / OpenClaw, автоматическое создание рабочей области «День за днем к цели», управление целями…

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

ПроцедураTelegramИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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: 4. 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: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 87 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 160 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 8 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
The skill appears aligned with goal and task coaching, but it asks users to bind accounts through IM with API tokens or email codes without enough detail about credential scope, storage, or revocation.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.