SKILLEMALL.ai

BC 1688-product-element-fusion

Две основные возможности: ① Поиск товаров по элементам — извлечение творческих элементов (цвет, материал, стиль, атмосфера, узор, композиция) из изображений/видео с вдохновением и поиск реальных товаров в целевой категории на 1688 по ключевым словам элементов; ② Создание новых товаров на основе элементов — после изучения материалов, стилей, технологий и стоимости соответствующих товаров, создание реалистичных и осуществимых концепт-артов продуктов. Ключевые фразы: слияние элементов, поиск товаров по элементам, поиск товаров по элементам, создание новых товаров, слияние вдохновения, концепт-арт, применить XX стиль к продукту, творческое слияние, превращение вдохновения в продукт, концептуальный дизайн продукта, перенос стиля, создание новых товаров на основе вдохновения.

машинный переводПоказать оригиналСкрыть оригинал«两大核心能力:①元素找品——从灵感图片/视频截图中提取创意元素(色彩、材质、风格、氛围、图案、构图),用元素关键词在1688匹配目标品类的真…»

两大核心能力:①元素找品——从灵感图片/视频截图中提取创意元素(色彩、材质、风格、氛围、图案、构图),用元素关键词在1688匹配目标品类的真实商品;②元素融合创款——调研匹配商品的材料、款式、工艺与成本后,生成贴合实际、可落地的产品概念图。触发词:元素融合、元素找品、元素搜品、创款、灵感融合、概念图、把XX风格用到产品上、创意融合、设计灵感转产品、产品概念设计、风格嫁接、灵感创款。

ClawHub Agent Skills автор: 1688AiInfra v0.1.0 MIT-0 13 файлов тело ≈ 1 492 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Две основные возможности: ① Поиск товаров по элементам — извлечение творческих элементов (цвет, материал, стиль, атмосфера, узор, композиция) из…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 47
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1492 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • -36 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 192 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 4)

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

Внешние проверки

ClawHub: suspicious
The creative product-design workflow is plausible, but the package also ships unrelated executable 1688/DingTalk template code that can read shared credentials and silently report CLI usage.
LLM: suspicious (medium) · 26 авг. 2026 г.