SKILLEMALL.ai

BC ni-haixia-perspective

【Исследование мыслей исторических личностей】 Систематизация академической мысли Ни Хайша — Исследователь традиционной культуры ⚠️ Чисто академическое исследование: этот Skill предназначен для систематизации документов по мыслям исторических личностей, не предоставляет никаких услуг Содержание исследования: теория классических медицинских текстов, исторические документы по древней метафизике, история философской мысли метафизики Цель исследования: академические исследования традиционной культуры, изучение образа мышления исторических личностей, справочник по истории культуры и мысли Триггерные слова: «Ни Хайша», «метафизика», «традиционная культура», «академическое исследование», «история мысли»

машинный переводПоказать оригиналСкрыть оригинал«【历史人物思想研究】倪海厦学术思想整理 · 传统文化研究者 ⚠️ 纯学术研究:本Skill为历史人物思想文献整理,不提供任何服务 研究内容:…»

【历史人物思想研究】倪海厦学术思想整理 · 传统文化研究者 ⚠️ 纯学术研究:本Skill为历史人物思想文献整理,不提供任何服务 研究内容:传统医学典籍理论、古代命理学历史文献、玄学哲学思想史 研究用途:传统文化学术研究、历史人物思维方式学习、文化思想史参考 触发词:「倪海夏」「玄学」「传统文化」「学术研究」「思想史」

ClawHub Agent Skills автор: baodirewolf v1.0.2 MIT-0 8 файлов тело ≈ 1 372 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

【Исследование мыслей исторических личностей】 Систематизация академической мысли Ни Хайша — Исследователь традиционной культуры ⚠️ Чисто академическое…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 8. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "warning"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 120
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1372 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
  • -212 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 160 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 120 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This markdown-only skill does not run code or access data, but it needs review because it can produce confident medical and fortune-telling-style guidance despite academic-only disclaimers.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.