SKILLEMALL.ai
GitHub ↗ EN Войти

BC feishu-calendar-scheduler

Интеллектуальный планировщик календаря Feishu — автоматическое предложение оптимального времени для встреч, пакетное управление расписанием, создание отчетов о встречах.

машинный переводПоказать оригиналСкрыть оригинал«飞书智能日历调度器 - 自动推荐最佳会议时间，批量管理日程，生成会议报表…»

飞书智能日历调度器 - 自动推荐最佳会议时间，批量管理日程，生成会议报表

ClawHub Agent Skills автор: 2389275723 v1.0.0 MIT-0 11 файлов · 1 скрипт тело ≈ 375 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Интеллектуальный планировщик календаря Feishu — автоматическое предложение оптимального времени для встреч, пакетное управление расписанием, создание отчетов…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникЛичная продуктивностьИнфраструктуратип 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%
57
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
0
Входы и предусловия вес 11
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token scripts/api_publisher.py:16
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    TOKEN = "clh_…AZs"  # 用户提供的 token
    в кавычках
  • низкая Обфускация obf-base64-blob test_license.json:2
    Длинный blob, похожий на base64 (тестовый файл / пример; в кавычках — упоминание, а не команда)
    "license_key": "eyJw…XNz
    тестовый файлв кавычках

Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 375 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)
  • +3Длина description 36: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -35 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: suspicious
This calendar scheduling skill includes unrelated publishing and license-management tools with embedded credentials and broad upload behavior, so it needs review before installation.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.