SKILLEMALL.ai

AC yotta-anti-shallow

Yuanjin — активируется, когда обнаруживается, что пользователю требуется глубокий анализ, сквозная проверка, поиск первопричин, строгое выполнение, тщательная проверка; кроме того, это правило автоматически применяется к любым задачам сложности L3 (сложные) и выше, без явного вызова пользователем. Триггеры: защита от поверхностности, поверхностность, наводнение, обман, пустяк, глубокий, строгий, тщательный, внимательный, сквозной, первопричина, анализ, размышление, самопроверка, отслеживание, проверка, доказательство, серьезный, не обманывай, включи правила, не будь поверхностным, восстанови правила, загрузи защиту от поверхностности. Ограничения: правила дисциплины качества, не выполняет код, не вызывает внешние инструменты, не заменяет тестирование или ручную проверку.

машинный переводПоказать оригиналСкрыть оригинал«元谨 —— 当检测到用户需要深入分析、全链路验证、根因追溯、严谨执行、细致检查时激活规则;此外,任何达到 L3(复杂)及以上复杂度的任务也会…»

元谨 —— 当检测到用户需要深入分析、全链路验证、根因追溯、严谨执行、细致检查时激活规则;此外,任何达到 L3(复杂)及以上复杂度的任务也会自动适用本规则,无需用户显式唤醒。触发:防敷衍、敷衍、灌水、糊弄、水货、深入、严谨、细致、仔细、全链路、根因、审视、反思、自我检查、追溯、验证、证明、认真、别糊弄、上规则、不要敷衍、恢复规则、加载防敷衍。边界:质量纪律规则,不执行代码、不调用外部工具,不替代测试或人工复核。

ClawHub Agent Skills автор: YottaMeta v1.4.0 MIT-0 12 файлов · 1 скрипт тело ≈ 1 701 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Yuanjin — активируется, когда обнаруживается, что пользователю требуется глубокий анализ, сквозная проверка, поиск первопричин, строгое выполнение, тщательная…

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

ПроцедураИнфраструктуратип 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: 11. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

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: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1701 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. 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
  • +2Инструкции на одном языке
  • +3Длина description 207 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This is a disclosed quality-control skill, but it broadly and persistently changes agent behavior and includes installers that can write across many agent skill directories.
LLM: suspicious (high) · 8 сент. 2026 г.