SKILLEMALL.ai
GitHub ↗ EN Войти

BB sr-screener

Протокольное исследование для систематических, обзорных и быстрых обзоров. Преобразует предложение или протокол PROSPERO в подтвержденные правила соответствия, затем отбирает заголовки/аннотации и полные тексты с двумя слепыми ИИ-рецензентами и третьим рецензентом-арбитром: упорядоченные коды исключения, без молчаливых значений по умолчанию, возобновляемые пакетные запуски, контроль качества (исходные исследования, повторные проверки близких совпадений, каппа и PABAK), подсчеты PRISMA 2020, группы EndNote/Zotero RIS, журнал Excel, черновик методов и передача literature_corpus в academic-paper. Читает экспорты RIS, PubMed .nbib, Web of Science и CSV; удаляет дубликаты. 8 режимов: протокол, быстрый, пилотный, ta-screen, ft-screen, adjudicate, audit, report. Используйте для отбора записей по критериям соответствия, пилотного отбора, разрешения конфликтов отбора, аудита исключений или отчета о процессе отбора. Триггеры: отобрать эти статьи, отбор заголовков/аннотаций, отбор полных текстов, конфликты отбора, критерии включения, поток PRISMA, غربالگری مقالات, اسکرینینگ عنوان و چکیده, معیارهای ورود و خروج.

машинный переводПоказать оригиналСкрыть оригинал«Protocol-driven study screening for systematic, scoping and rapid revi…»

Protocol-driven study screening for systematic, scoping and rapid reviews. Turns a proposal or PROSPERO protocol into confirmed eligibility rules, then screens titles/abstracts and full texts with two blinded AI reviewers and a third-reviewer adjudicator: ordered exclusion codes, no silent defaults, resumable batch runs, QC (seed studies, near-miss rechecks, kappa and PABAK), PRISMA 2020 counts, EndNote/Zotero RIS groups, an Excel log, a methods draft and a literature_corpus handoff to academic-paper. Reads RIS, PubMed .nbib, Web of Science and CSV exports; removes duplicates. 8 modes: protocol, quick, pilot, ta-screen, ft-screen, adjudicate, audit, report. Use it to screen records against eligibility criteria, pilot screening, resolve screening conflicts, audit exclusions or report the selection process. Triggers on: screen these papers, title/abstract screening, full-text screening, screening conflicts, inclusion criteria, PRISMA flow, غربالگری مقالات, اسکرینینگ عنوان و چکیده, معیارهای ورود و خروج.

Imbad0202/academic-research-skills Agent Skills автор: Imbad0202 NOASSERTION 25 файлов · 8 скриптов тело ≈ 8 100 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Протокольное исследование для систематических, обзорных и быстрых обзоров.

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, стоимость исполнения, повторный запуск

АнализаторДанные и аналитикаИИ и агентыИсследованиятип 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
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Стоимость исполнения вес 6
40
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 25. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8100 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 273): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 66/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8100 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 41
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 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: 24. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (5 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)
  • +3Длина description 1015: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)
  • +3Все 6 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.