SKILLEMALL.ai

BD local-mail-digest

Локальный компонент для создания сводок по электронной почте и извлечения задач для широкого круга пользователей (без зависимостей, данные не покидают компьютер). Преобразует набор писем в структурированную сводку (приоритет/группировка по проектам/задачи/сроки), для вызова хостами, такими как Python, Codex, Claude, WorkBuddy, Hermes, OpenClaw. **Основной путь без конфигурации**: когда хост подключен к почтовому коннектору (например, WorkBuddy agent-mail/qq-mail), автоматически извлекает письма и передает их в формате JSON для обработки этим компонентом через `--input`, пользователю не требуется никаких кодов авторизации/настроек IMAP; пользователи с самостоятельным хостингом могут выбрать прямое подключение по IMAP (однократная настройка кода авторизации). Вывод в HTML/Markdown/JSON.

машинный переводПоказать оригиналСкрыть оригинал«面向广大用户的本地邮件摘要与待办提取技能组件(零依赖、数据不出电脑)。把一批邮件变成结构化摘要(优先级/项目分组/待办/截止日),供 Pyt…»

面向广大用户的本地邮件摘要与待办提取技能组件(零依赖、数据不出电脑)。把一批邮件变成结构化摘要(优先级/项目分组/待办/截止日),供 Python、Codex、Claude、WorkBuddy、Hermes、OpenClaw 等宿主调用。**主路径零配置**:宿主已接通邮箱连接器(如 WorkBuddy agent-mail/qq-mail)时,自动拉取邮件转 JSON 后本技能 `--input` 消费,用户无需任何授权码/IMAP 配置;自托管用户可选 IMAP 直连(配一次授权码)。输出 HTML/Markdown/JSON。

ClawHub Agent Skills автор: XiaoqiangDev v0.1.0 MIT-0 5 файлов тело ≈ 538 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Локальный компонент для создания сводок по электронной почте и извлечения задач для широкого круга пользователей (без зависимостей, данные не покидают…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыРазработкатип 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
D
46/100
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: 5. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 538 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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 269 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (3 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This email-digest skill is mostly purpose-aligned, but its privacy claims understate optional network paths that can send email-derived content off the computer.
LLM: suspicious (high) · 12 авг. 2026 г.