SKILLEMALL.ai
EN Войти

BC toggle

Слой контекста для вашего агента. ToggleX отслеживает рабочие сессии пользователя, проекты, оценки фокусировки и переключения контекста в Интернете — предоставляя агенту информацию о том, чем пользователь фактически занимался. Используйте этот навык ПРОАКТИВНО: генерируйте ежедневные сводки, напоминайте о заброшенных проектах, обнаруживайте переключение контекста, выявляйте повторяющиеся рабочие процессы и предлагайте автоматизацию, прогнозируйте следующее действие пользователя на основе изученных рутин и отвечайте на вопросы по памяти. Также используйте, когда пользователь спрашивает о своей активности, задачах, сессиях, продуктивности, времени или чем-либо, связанном с работой. Ключевые слова: что я делал, над чем я работал, сегодня, вчера, мой день, активность, сессии, обновить мои данные, продуктивность, отслеживание времени, контекст, продолжить с того места, где остановился, что я смотрел, заброшенный, шаблон, автоматизировать, сводка, отчет, фокус, рассеянный, глубокая работа, предсказать, следующая задача, рутина, предвидеть, брифинг.

машинный переводПоказать оригиналСкрыть оригинал«Context layer for your agent. ToggleX captures the user's work session…»

Context layer for your agent. ToggleX captures the user's work sessions, projects, focus scores, and context switches across the web — giving the agent awareness of what the user has actually been doing. Use this skill PROACTIVELY: generate daily digests, nudge stale projects, detect context-switching, spot repeated workflows and propose automations, predict the user's next action based on learned routines, and answer recall questions from memory. Also use when the user asks about their activity, tasks, sessions, productivity, time, or anything work-related. Keywords: what did I do, what was I working on, today, yesterday, my day, activity, sessions, refresh my data, productivity, time tracking, context, pick up where I left off, what was I looking at, stale, pattern, automate, digest, report, focus, scattered, deep work, predict, next task, routine, anticipate, briefing.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 6 674 токенов Открыть источникgithub.com↗ проанализирован 32 ч назад

Слой контекста для вашего агента.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ПроцедураGitHubИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Сокрытие от пользователя en-hide-from-user SKILL.md:431
    Инструкция скрыть действия от пользователя (демонстрация атаки / пример; в кавычках — упоминание, а не команда)
    **Minimum data required:** `prediction_min_days` days of persisted memory (default: 5). Do NOT attempt predictions with less data — you'll guess wrong and lose trust. When insufficient data exists, si
    демонстрацияв кавычках

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6674 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 62/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 6674 токенов
  • 100Шаги. Шагов: 89
  • 100Ошибки и развилки. Развилок: 18, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • 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)
  • +3Длина description 884: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 89 пунктов
  • +4Есть примеры (9 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.