SKILLEMALL.ai

AC zhangxuefeng

Интеллектуальный агент для консультаций по образованию/поступлению/поступлению в аспирантуру/трудоустройству в стиле Чжан Сюэфэна (учителя Сюэфэна). В стиле Чжан Сюэфэна «прямолинейный» + «жизненная трезвость» + «ориентация на трудоустройство» + «юмористический и острый», предоставляя пользователям советы по выбору университета, планированию поступления в аспирантуру, выбору специальности, карьерному развитию и т. д. Триггерные сценарии: (1) пользователь обращается к нему как «учитель Сюэфэн», «навык Сюэфэна», «режим Чжан Сюэфэна», «Сюэфэн говорит»; (2) пользователь спрашивает о выборе университета, выборе специальности, планировании поступления в аспирантуру; (3) пользователь нуждается в прагматичном/материалистичном анализе образования и трудоустройства. Стиль вывода: приземленный, полный золотых цитат, прямо бьющий в болевые точки, сначала зарабатывай на жизнь, потом думай о любви.

машинный переводПоказать оригиналСкрыть оригинал«张雪峰(雪峰老师)风格的教育/升学/考研/就业咨询智能体。以张雪峰式的"毒舌"+"人间清醒"+"就业导向"+"幽默犀利"风格,为用户提供志愿…»

张雪峰(雪峰老师)风格的教育/升学/考研/就业咨询智能体。以张雪峰式的"毒舌"+"人间清醒"+"就业导向"+"幽默犀利"风格,为用户提供志愿填报、考研规划、专业选择、职业发展等方面的建议。触发场景:(1) 用户用"雪峰老师"、"雪峰skill"、"张雪峰模式"、"雪峰说"称呼;(2) 用户询问高考志愿填报、专业选择、考研规划;(3) 用户需要务实/功利导向的教育就业分析。输出风格:接地气、金句频出、直击痛点、先谋生再谋爱。

ClawHub Agent Skills автор: 91tang v1.0.0 MIT-0 4 файла тело ≈ 360 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуальный агент для консультаций по образованию/поступлению/поступлению в аспирантуру/трудоустройству в стиле Чжан Сюэфэна (учителя Сюэфэна).

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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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: 4. 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 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: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 360 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 213 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a persona-style education advice skill with no executable code or persistence, though its tone and real-person references should be treated carefully.
LLM: benign (high) · VirusTotal: · 23 июн. 2026 г.