SKILLEMALL.ai
GitHub ↗ EN Войти

BF literature-reviewer-skill

На основе предоставленной пользователем темы статьи проводит систематический обзор литературы на китайском и английском языках. Использует 8-этапный рабочий процесс, поддерживает основные базы данных, такие как CNKI, Web of Science, ScienceDirect и другие. Автоматически получает информацию о литературе через браузер без необходимости настройки API. Выводит документ Markdown, содержащий цитаты по стандарту GB/T 7714-2015, заголовок и аннотацию. Активируется, когда пользователь упоминает ключевые слова, такие как «обзор литературы», «обзор литературы», «помоги найти литературу», «поиск литературы на китайском и английском языках», «написать обзор» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«根据用户提供的论文主题，进行系统性中英文文献回顾（Literature Survey）。 采用8阶段工作流，支持CNKI、Web of Sc…»

根据用户提供的论文主题，进行系统性中英文文献回顾（Literature Survey）。 采用8阶段工作流，支持CNKI、Web of Science、ScienceDirect等主流数据库， 无需API配置，通过浏览器自动化获取文献信息。 输出包含GB/T 7714-2015引文、标题、摘要的Markdown文档。 当用户提到"文献回顾"、"文献综述"、"帮我找文献"、"中英文文献搜索"、"写综述"等关键词时触发。 NOTE: The 'examples/' folder contains sample outputs and is not included in skill installation.

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 19 файлов тело ≈ 4 416 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

На основе предоставленной пользователем темы статьи проводит систематический обзор литературы на китайском и английском языках.

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: url

АнализаторИсследованиятип 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
82/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: url
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: literature-reviewer-skill (LeoYeAI/openclaw-master-skills)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Опасные команды cmd-privilege SECURITY.md:133
    Повышение привилегий / права на запись для всех (документация security-скилла)
    chmod 777 literature-reviewer-skill/sessions
    security-скилл
  • низкая Опасные команды cmd-privilege SECURITY.md:134
    Повышение привилегий / права на запись для всех (документация security-скилла)
    chmod 777 literature-reviewer-skill/output
    security-скилл

Просканировано файлов: 19. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: url

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: url
  • 0Инструменты и файлы. Не хватает 1 файла(ов): url
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (literature-reviewer-skill) не совпадает с папкой (ai-powered-literature-review-skills)
  • 70Стоимость исполнения. Тело инструкции 4416 токенов
  • 100Шаги. Шагов: 49
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 17. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -34 из 4 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 307 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (15 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.