AC get-to-know-you
Навык повышения эффективности с двумя ядрами: (1) Активно собирайте рабочий контекст пользователя, предпочтительные привычки посредством Сократовских вопросов и ответов, автоматически синхронизируйте и обновляйте файлы конфигурации, создавайте полностью персонализированный OpenClaw без порогов; (2) Стандартизируйте рабочий процесс обработки отрицательных отзывов/оптимизации навыков, после получения требований сначала четко сообщайте о конкретных проблемах, выдавайте план оптимизации, выполняйте только после 100% подтверждения удовлетворенности пользователя, фундаментально устраняйте неэффективное общение туда и обратно, экономьте время и токены. Сценарии активации: автоматическая активация после установки, пользователь активно инициирует сбор информации, получение любых отрицательных отзывов, запрос пользователем оптимизации навыка.
машинный переводПоказать оригиналСкрыть оригинал«Dual-core efficiency improvement skill: (1) Actively collect user work…»
Dual-core efficiency improvement skill: (1) Actively collect user work background, preference habits through Socratic guided Q&A, automatically sync and update configuration files, zero-threshold to build fully personalized OpenClaw; (2) Standardize negative feedback/skill optimization processing workflow, after receiving requirements, first communicate specific issues clearly, output optimization plan, execute only after user 100% confirms satisfaction, fundamentally eliminate invalid back-and-forth communication, save time and tokens. Trigger scenarios: auto-trigger after installation, user actively initiates information collection, receive any negative feedback, user requests skill optimization.
Навык повышения эффективности с двумя ядрами: (1) Активно собирайте рабочий контекст пользователя, предпочтительные привычки посредством Сократовских вопросов…
Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 52/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 17
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1662 токенов
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 707 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 19 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.