SKILLEMALL.ai

BD li-Record-lecture-video

Генератор планов обучения для записанных курсов v2.0.2. Подходит для любых курсов обучения и сертификации (ISO27001/TOGAF/DevOps/ITIL и т. д.). На основе списка записанных видео (название + продолжительность) создает план обучения в Excel, сгруппированный по дням. Поддерживает три режима: пользователь загружает собственный шаблон Excel (с плейсхолдерами или автоматическим обнаружением), встроенный универсальный шаблон с 11 столбцами. Совместим с различными агентами, такими как opencode, hermes, WorkBuddy.

машинный переводПоказать оригиналСкрыть оригинал«通用录播课学习计划表生成器 v2.0.2。适用于任何培训认证课程(ISO27001/TOGAF/DevOps/ITIL等), 基于已录视频清…»

通用录播课学习计划表生成器 v2.0.2。适用于任何培训认证课程(ISO27001/TOGAF/DevOps/ITIL等), 基于已录视频清单(标题+时长)按天分组生成学习计划Excel。 支持三种模式:用户上传自定义Excel模板(占位符或自动检测)、内置11列通用默认模板。 兼容 opencode、hermes、WorkBuddy 等多种智能体。

ClawHub Agent Skills автор: Terry S Fisher v2.0.2 MIT-0 6 файлов тело ≈ 2 729 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор планов обучения для записанных курсов v2.0.2. Подходит для любых курсов обучения и сертификации (ISO27001/TOGAF/DevOps/ITIL и т. д.). На основе…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelДанные и аналитикаМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 50, расплывчатых формулировок: 2
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2729 токенов
  • low Разделов верхнего уровня: 12. 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
  • -31 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 176 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill coherently generates Excel study plans from user-provided course video lists and does not show hidden data access, network use, persistence, or credential handling.
LLM: benign (high) · VirusTotal: · 4 авг. 2026 г.