SKILLEMALL.ai

BD inspiration-app-recommend

Помощник по рекомендации приложений для вдохновения. Автоматически собирает новейшие популярные приложения/продукты/открытые проекты с платформ Product Hunt, GitHub Trending, Hacker News, 36Kr, 少数派, 即刻, V2EX и т. д., интеллектуально классифицирует их по категориям, извлекает полезные идеи для вдохновения и анализирует бизнес-модели, генерируя интерактивный HTML-отчет с визуализированными рекомендациями. Решает проблему творческого выгорания «не знаю, какой продукт/приложение сделать». Триггеры: 灵感推荐, 做什么应用, 产品灵感, 创意推荐, 热门应用, 最新产品, 有什么好想法, 做点什么, app inspiration, 应用灵感, 项目灵感, 有啥好项目, 新产品创意, product ideas, 灵感报告, 想做点什么, 找灵感, 创意枯竭.

машинный переводПоказать оригиналСкрыть оригинал«灵感应用推荐助手。自动从 Product Hunt、GitHub Trending、Hacker News、36Kr、少数派、即刻、V2EX…»

灵感应用推荐助手。自动从 Product Hunt、GitHub Trending、Hacker News、36Kr、少数派、即刻、V2EX 等平台聚合最新热门应用/产品/开源项目,按类别智能分类,提炼可借鉴的创意灵感点与商业模式分析, 生成交互式 HTML 可视化推荐报告。解决"不知道做什么产品/应用"的创意枯竭痛点。 Triggers: 灵感推荐, 做什么应用, 产品灵感, 创意推荐, 热门应用, 最新产品, 有什么好想法, 做点什么, app inspiration, 应用灵感, 项目灵感, 有啥好项目, 新产品创意, product ideas, 灵感报告, 想做点什么, 找灵感, 创意枯竭.

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 3 файла тело ≈ 980 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Помощник по рекомендации приложений для вдохновения.

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

ПроцедураGitHubДанные и аналитикаИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 3. 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 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 (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 75
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 980 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 304 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 75 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This skill coherently gathers public product-trend information and creates a local HTML inspiration report, with some ordinary privacy and overwrite cautions.
LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.