SKILLEMALL.ai

BB music-education-research-writer

Помогает проводить академические исследования в области социальных наук и научные публикации, особенно по музыке, образованию и музыковедению. Используйте этот навык для синтеза предоставленных пользователем корпусов исследований, заметок по литературе, материалов, экспортированных из iMA, наблюдений в классе и текстов политики в обзоры литературы, теоретические основы, концептуальные модели и анализы пробелов в исследованиях с строгой точностью цитирования и иерархией доказательств.

машинный переводПоказать оригиналСкрыть оригинал«Helps conduct social science academic research and scholarly writing,…»

Helps conduct social science academic research and scholarly writing, especially for music, education, and music education studies. Use this skill to synthesize user-provided research corpora, literature notes, iMA-exported materials, classroom observations, and policy texts into literature reviews, theoretical frameworks, conceptual models, and research gap analyses with strict citation integrity and evidence hierarchy.

ClawHub Agent Skills автор: afanmusic v1.0.0 MIT-0 30 файлов тело ≈ 5 081 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помогает проводить академические исследования в области социальных наук и научные публикации, особенно по музыке, образованию и музыковедению.

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ГенераторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 25. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5081 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 67/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Ошибки и развилки. Развилок: 16
  • 70Стоимость исполнения. Тело инструкции 5081 токенов
  • 85Шаги. Шагов: 284, расплывчатых формулировок: 1
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. 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)
  • -48 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 424 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +3Пошаговые инструкции: 284 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a disclosed academic writing helper that works on user-provided research materials and does not show hidden access, persistence, purchases, credential use, or unsafe automation.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.