SKILLEMALL.ai

AC benzhi

Навык анализа сути — инструмент для самоанализа, глубоко анализирующий суть вещей. Активируется, когда пользователь явно просит проанализировать суть чего-либо/явления/концепции (например, "В чем суть XX?", "Проанализируй суть XX", "Раскопай суть XX", "Почему XX?"). Помогает выявить ключевые переменные, внутренние противоречия и глубинные закономерности с помощью десятимерных гипотез (генерация и фильтрация), ранжирования весовых коэффициентов измерений, глубоких вопросов (с критериями остановки), проверки сходимости путем прямого и обратного推导, а также атаки контрпримерами. Поддерживает быстрый и глубокий режимы.

машинный переводПоказать оригиналСкрыть оригинал«本质分析技能——用于深度分析事物本质的自我追问工具。当用户明确要求分析某个事物/现象/概念的本质时触发(如"XX的本质是什么"、"分析一下X…»

本质分析技能——用于深度分析事物本质的自我追问工具。当用户明确要求分析某个事物/现象/概念的本质时触发(如"XX的本质是什么"、"分析一下XX的本质"、"挖一下XX的本质"、"为什么XX")。通过十维假设(生成即筛选)、维度权重排序、深度追问(带停止标准)、正反推收敛验证、反例攻击,帮助从多维度识别核心变量、内在悖论和深层规律。支持快速模式和深度模式。

ClawHub Agent Skills автор: a-skill v1.0.0 MIT-0 2 файла тело ≈ 2 449 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык анализа сути — инструмент для самоанализа, глубоко анализирующий суть вещей.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
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: 2. 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: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2449 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -225 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 177 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (27 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is an instruction-only analysis framework with no code execution, credentials, external access, or install-time behavior; its main caveats are broad trigger wording and optional-looking self-learning notes.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.