SKILLEMALL.ai

AC ancient-poetry-master

Мастер древнекитайской поэзии ИИ. Охватывает 6 основных модулей: поиск поэтов, создание стихов (в стиле Ли Бо/Ду Фу/Су Ши и т. д.), анализ и оценка стихов, визуализация графа знаний (многомерные отношения поэт-династия-направление-тема), поиск аллюзий, сравнение стилей. Основан на данных 17 ключевых поэтов + правилах стихосложения + базе аллюзий + движке анализа стихов, поддерживает интерактивный граф знаний HTML и структурированные отчеты об анализе. Триггерные слова: древняя поэзия, поэзия Тан, поэзия Сун, поэты, создание стихов, писать стихи, писать стихи, анализ стихов, оценка стихов, граф знаний, отношения поэтов, поиск аллюзий, стихосложение, проверка стихосложения, Ли Бо, Ду Фу, Су Ши

машинный переводПоказать оригиналСкрыть оригинал«AI古人诗词大师。覆盖诗人查询、诗词创作(模仿李白/杜甫/苏轼等风格)、诗词鉴赏分析、知识图谱可视化(诗人-朝代-流派-主题多维关系)、典故…»

AI古人诗词大师。覆盖诗人查询、诗词创作(模仿李白/杜甫/苏轼等风格)、诗词鉴赏分析、知识图谱可视化(诗人-朝代-流派-主题多维关系)、典故查询、风格对比6大模块。基于17位核心诗人数据+格律规范+典故库+诗词分析引擎,支持交互式HTML知识图谱和结构化赏析报告。触发词:古诗、唐诗、宋词、诗人、诗词创作、写诗、写词、诗词分析、诗词鉴赏、知识图谱、诗人关系、典故查询、诗词格律、格律检测、李白、杜甫、苏轼

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 7 файлов тело ≈ 893 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Мастер древнекитайской поэзии ИИ.

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

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
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: 7. 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 "agent_created"

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: 72
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 893 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 202 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 72 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill is a coherent classical Chinese poetry assistant with purpose-matched local data and helper scripts, not evidence of malicious behavior.
LLM: benign (high) · VirusTotal: · 22 июн. 2026 г.