SKILLEMALL.ai

AC gaggiuino-local

Навык Gaggiuino для управления машиной, анализа эспрессо-шотов через профиль, руководства по настройке, отрисовки графиков шотов и синхронизированных наложенных видео. Используйте при проверке состояния или работоспособности машины, анализе последних или исторических шотов, переключении/экспорте профилей, чтении истории обслуживания (очистка/обратная промывка) или настроек, или при генерации графиков шотов и наложенных видео.

машинный переводПоказать оригиналСкрыть оригинал«Gaggiuino skill for machine control, espresso shot analysis through pr…»

Gaggiuino skill for machine control, espresso shot analysis through profile intent, dial-in guidance, shot graph rendering, and synchronized overlay videos. Use when checking machine status or health, analyzing latest or historical shots, switching/exporting profiles, reading maintenance history (descale/backflush) or settings, or generating shot graphs and overlay videos.

ClawHub Agent Skills автор: zazack v3.2.0 MIT-0 13 файлов · 1 скрипт тело ≈ 7 259 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык Gaggiuino для управления машиной, анализа эспрессо-шотов через профиль, руководства по настройке, отрисовки графиков шотов и синхронизированных…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

АнализаторМедиа и видеоИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 7259 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 7259 токенов
  • 85Шаги. Шагов: 229, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 33, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (13 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
  • +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 375 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 43 заголовков
  • +3Пошаговые инструкции: 229 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 8)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This skill is a disclosed local Gaggiuino machine-control and shot-rendering helper, but users should keep its saved endpoint trusted and be deliberate with settings/profile changes.
LLM: benign (medium) · VirusTotal: · 17 авг. 2026 г.