SKILLEMALL.ai
GitHub ↗ EN Войти

BF academic-aio

Оптимизация медицинских ИИ-статей для поисковых систем ИИ (Perplexity, ChatGPT web, Elicit, Consensus, SciSpace) и инструментов для работы с литературой на основе RAG. Применяется при составлении или рецензировании заголовков, аннотаций, структурированных сводных блоков (Ключевые моменты / Контекст исследования / Резюме простым языком), рукописей для высокоимпактных медицинских ИИ-журналов (Lancet Digital Health, Radiology, Radiology-AI, npj Digital Medicine, Nature Medicine), препринтов (medRxiv/arXiv), архивов GitHub README + CITATION.cff + Zenodo и карточек моделей/наборов данных Hugging Face. Интегрирует требования к отчетности TRIPOD+AI, CLAIM 2024, STARD-AI, TRIPOD+LLM, DECIDE-AI с принципами оптимизации генеративного движка (GEO). Выдает видимый чек-лист "пройдено/не пройдено".

машинный переводПоказать оригиналСкрыть оригинал«Medical AI paper optimization for AI search engines (Perplexity, ChatG…»

Medical AI paper optimization for AI search engines (Perplexity, ChatGPT web, Elicit, Consensus, SciSpace) and RAG-based literature tools. Applies when drafting or reviewing titles, abstracts, structured summary boxes (Key Points / Research in Context / Plain-Language Summary), manuscripts for high-impact medical AI journals (Lancet Digital Health, Radiology, Radiology-AI, npj Digital Medicine, Nature Medicine), preprints (medRxiv/arXiv), GitHub README + CITATION.cff + Zenodo archives, and Hugging Face model/dataset cards. Integrates TRIPOD+AI, CLAIM 2024, STARD-AI, TRIPOD-LLM, DECIDE-AI reporting requirements with generative engine optimization (GEO) principles. Produces a visible pass/fail checklist.

Aperivue/medsci-skills Agent Skills автор: Aperivue MIT 16 файлов · 6 скриптов тело ≈ 7 803 токенов Открыть источникgithub.com↗ проанализирован 31 ч назад

Оптимизация медицинских ИИ-статей для поисковых систем ИИ (Perplexity, ChatGPT web, Elicit, Consensus, SciSpace) и инструментов для работы с литературой на…

Как процесс F 49/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: templates/aio_audit_checklist.md.j2

ПроцедураGitHubИсследованиятип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
F
49/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: templates/aio_audit_checklist.md.j2
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 ≈ 7803 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/aio_audit_checklist.md.j2
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"

Процессный рейтинг: все десять параметров 49/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: templates/aio_audit_checklist.md.j2
  • 0Инструменты и файлы. Не хватает 1 файла(ов): templates/aio_audit_checklist.md.j2
  • 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
  • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 7803 токенов
  • 85Шаги. Шагов: 158, расплывчатых формулировок: 3
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 18. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (3 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 711 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 60 заголовков
  • +3Пошаговые инструкции: 158 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.