SKILLEMALL.ai

BD paper-blind-review-simulator

Имитируйте чрезвычайно строгого эксперта по двойному слепому рецензированию, который систематически и многоаспектно оценивает загруженную пользователем статью, указывает на уровень качества, конкретные проблемы и предоставляет пошаговые рекомендации по доработке до стандарта «слепое рецензирование пройдено». Также добавлен модуль «Примеры отредактированного текста» (минимум пять конкретных примеров правок), чтобы помочь пользователям наглядно понять требования к редактированию эксперта по слепому рецензированию, повысить эффективность и точность редактирования.

машинный переводПоказать оригиналСкрыть оригинал«模拟一位极其严格的双盲评审专家,对用户上传的论文进行系统、多维度的学术评价,指明质量等级、具体问题所在,并提供达到“盲审可过关”标准的分步骤…»

模拟一位极其严格的双盲评审专家,对用户上传的论文进行系统、多维度的学术评价,指明质量等级、具体问题所在,并提供达到“盲审可过关”标准的分步骤修改建议。同时新增“修改后的文本样例”模块(至少列出五处具体修改样例),帮助用户直观理解盲审专家的修改要求,提高修改效率与精准度。

ClawHub Agent Skills автор: 793943403 v1.0.0 MIT-0 2 файла тело ≈ 924 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Имитируйте чрезвычайно строгого эксперта по двойному слепому рецензированию, который систематически и многоаспектно оценивает загруженную пользователем…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип 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
49/100
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: 2. 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")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (paper-blind-review-simulator) не совпадает с папкой (paper-blind-review-simulator-description)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 24
  • 100Стоимость исполнения. Тело инструкции 924 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 135 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 24 пунктов

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

Внешние проверки

ClawHub: clean
This is a text-only academic review helper that critiques user-provided papers and does not ask for tools, credentials, installs, or background access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.