SKILLEMALL.ai

AC trip-guide-pdf-car-sleep

Исследуйте, планируйте, пересматривайте и предоставляйте путеводители для путешествий на машине со сном в виде HTML/PDF с проверенной информацией о парковке на ночь, зарядке, доступе к туалетам, точках маршрута на следующее утро и официальным текстом. Используйте, когда пользователь планирует спать в машине, пропускать отели, использовать режим кемпинга Tesla/EV, оптимизировать зарядные устройства и общественные парковки или спрашивает, следует ли изменять маршрут похода/живописный маршрут после отказа от проживания.

машинный переводПоказать оригиналСкрыть оригинал«Research, plan, revise, and deliver car-sleep travel guides as HTML/PD…»

Research, plan, revise, and deliver car-sleep travel guides as HTML/PDF with verified overnight parking, charging, toilet access, next-morning route anchors, and formal copy. Use when the user plans to sleep in the car, skip hotels, use Tesla/EV camp mode, optimize for chargers and public parking, or asks whether the hiking/scenic route should change after removing lodging.

ClawHub Agent Skills автор: oldShade v1.0.0 MIT-0 4 файла тело ≈ 1 430 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Исследуйте, планируйте, пересматривайте и предоставляйте путеводители для путешествий на машине со сном в виде HTML/PDF с проверенной информацией о парковке…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 14, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 67
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1430 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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 376 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a coherent travel-planning skill that guides an agent to research car-sleep trip logistics and produce HTML/PDF guide files without requesting sensitive access or persistence.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.