SKILLEMALL.ai

BD cn-time-parser

Интеллектуально распознает китайские временные ключевые слова и преобразует их в конкретные даты и временные метки; использует модуль lunisolar для расчета лунного календаря, модуль chinese-workday для определения праздников и рабочих дней; поддерживает разбор сложных дат лунного календаря и определение праздников; используется, когда пользователю необходимо разобрать временную информацию в естественном языке, рассчитать конкретные даты, обработать преобразование праздников лунного календаря.

машинный переводПоказать оригиналСкрыть оригинал«智能识别中文时间关键词并转换为具体日期和时间戳;使用lunisolar模块处理农历计算,chinese-workday模块处理节日和工作日判…»

智能识别中文时间关键词并转换为具体日期和时间戳;使用lunisolar模块处理农历计算,chinese-workday模块处理节日和工作日判断;支持解析复杂农历日期和判断节假日;当用户需要解析自然语言中的时间信息、计算特定日期、处理农历节日转换时使用

ClawHub Agent Skills автор: 黄龙 v1.0.0 MIT-0 6 файлов тело ≈ 312 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуально распознает китайские временные ключевые слова и преобразует их в конкретные даты и временные метки; использует модуль lunisolar для расчета…

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
75
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:39
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "integrity": "sha5…FvM+bFzZ…70q+FyQL…CBP/uEU5KwG+vfo0…wvQ==",
    в кавычках

Просканировано файлов: 6. 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 (node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 312 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 125 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill locally parses Chinese date and time phrases, and its code matches that purpose with only ordinary npm dependency caveats.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.