SKILLEMALL.ai

BC zayn-ai-task-diagnosis

Прежде чем пользователь начнет создавать навык, автоматизацию, программный инструмент, рабочий процесс или ИИ-помощника, диагностируйте реальные потребности с помощью четырех вопросов: цель, частота изменений, доказательства данных и конечная ответственность; междолжностная оценка должна использовать обычный диалог, навык, автоматизацию по расписанию или условиям, программу, шаблон, ручной труд, человеко-машинное сотрудничество или временно не делать ничего, и в первую очередь предлагать минимальную версию с низкими затратами.

машинный переводПоказать оригиналСкрыть оригинал«在用户准备创建 Skill、自动化、程序工具、工作流或 AI 助手前,通过目标、变化频率、数据证据和最终责任四问诊断真实需求;跨岗位判断应采…»

在用户准备创建 Skill、自动化、程序工具、工作流或 AI 助手前,通过目标、变化频率、数据证据和最终责任四问诊断真实需求;跨岗位判断应采用普通对话、Skill、定时或条件自动化、程序、模板、人工、人机协作或暂时不做,并优先给出低成本最小版本。

ClawHub Agent Skills автор: zaynpeng v1.0.1 MIT-0 23 файла тело ≈ 578 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Прежде чем пользователь начнет создавать навык, автоматизацию, программный инструмент, рабочий процесс или ИИ-помощника, диагностируйте реальные потребности с…

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

АнализаторДанные и аналитикатип 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: 23. 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: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 578 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 123 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 4 пунктов

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

Внешние проверки

ClawHub: clean
This skill is a disclosed Chinese-language task-diagnosis guide that helps users decide when AI, automation, programs, templates, or humans should handle work, with repeated emphasis on human review for high-risk actions.
LLM: benign (high) · VirusTotal: · 10 авг. 2026 г.