SKILLEMALL.ai

AA pubmed-search-specialist

Создавайте сложные строки булевых запросов для точного поиска литературы в PubMed/MEDLINE. Активируйте, когда пользователю требуется сопоставление терминов MeSH, построение булевых запросов, расширенные фильтры PubMed, поиск цитат, стратегия поиска для систематического обзора или оптимизация клинических запросов.

машинный переводПоказать оригиналСкрыть оригинал«Build complex Boolean query strings for precise PubMed/MEDLINE literat…»

Build complex Boolean query strings for precise PubMed/MEDLINE literature retrieval. Trigger when user needs MeSH term mapping, Boolean query construction, advanced PubMed filters, citation searching, systematic review search strategy, or clinical query optimization.

ClawHub Agent Skills автор: AIpoch v1.0.0 MIT-0 6 файлов тело ≈ 3 534 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создавайте сложные строки булевых запросов для точного поиска литературы в PubMed/MEDLINE.

Как процесс A 84/100 · Дойдёт до конца — слабые места: повторный запуск

ГенераторИнфраструктураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
A
84/100
Дойдёт до конца
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
Входы и предусловия вес 11
70
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "skill-author"

    Процессный рейтинг: все десять параметров 84/100

    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 111, расплывчатых формулировок: 1
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3534 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 29. 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)
    • +2Инструкции на одном языке
    • +3Длина description 267 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 41 заголовков
    • +3Пошаговые инструкции: 111 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (14 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.

    Внешние проверки

    ClawHub: clean
    This appears to be a normal PubMed query-building skill, with the main caution that some English-only search examples could bias literature results.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.