SKILLEMALL.ai
GitHub ↗ EN Войти

BC research-paper-writing

Пишите, переписывайте и редактируйте научные статьи (в стиле ML/CV/NLP). Используйте, когда пользователь составляет или пересматривает аннотацию, введение, связанные работы, метод, эксперименты или заключение; спрашивает «логично ли это / 这段通顺吗 / отредактируй этот абзац»; превращает маркированные списки или китайский черновик в английский текст, пригодный для публикации; проводит самопроверку перед подачей или критику в стиле рецензента; исправляет рисунки/таблицы/форматирование LaTeX в статье; или компилирует/конвертирует статью в PDF (сборка LaTeX, 编译PDF, 转成PDF). Триггер при упоминании статьи, черновика, финальной версии, пересмотра для ответа рецензенту, площадок в стиле CVPR/ICCV/NeurIPS/ICLR/ACL или редактировании файлов .tex для статьи.

машинный переводПоказать оригиналСкрыть оригинал«Write, rewrite, and polish academic papers (ML/CV/NLP style). Use when…»

Write, rewrite, and polish academic papers (ML/CV/NLP style). Use when the user drafts or revises Abstract, Introduction, Related Work, Method, Experiments, or Conclusion; asks "does this flow / 这段通顺吗 / polish this paragraph"; turns bullet points or a Chinese draft into publication-quality English; runs a pre-submission self-review or reviewer-style critique; fixes paper figures/tables/LaTeX formatting; or compiles/converts the paper to PDF (LaTeX build, 编译PDF, 转成PDF). Trigger on mentions of paper, draft, camera-ready, rebuttal-facing revision, CVPR/ICCV/NeurIPS/ICLR/ACL-style venues, or .tex files being edited for a paper.

XiaomiMiMo/MiMo-Code Agent Skills автор: XiaomiMiMo MIT 36 файлов тело ≈ 1 572 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Пишите, переписывайте и редактируйте научные статьи (в стиле ML/CV/NLP).

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторLaTeXРазработкаЛюди и наймИсследованиятип 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 36. 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 64/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 34
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1572 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 631 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.