SKILLEMALL.ai

AC insurance-liability-analyzer

Навык анализа страховой ответственности. Пользователь загружает изображение/снимок экрана страховых условий, вставляет текст условий или предоставляет ссылку на страховой продукт, автоматически распознает и извлекает ключевую информацию по восьми категориям: ответственность, исключения из ответственности, временные условия, денежные правила, условия урегулирования, возможность продления, информация о здоровье, особые договоренности, проводит объективную оценку, отмечает сигналы риска и временную шкалу, генерирует интерактивный HTML-отчет с визуализацией. Триггерные слова: анализ страховки, страховая ответственность, анализ страховых условий, анализ полиса, анализ страхового договора, посмотри эту страховку, какая эта страховка, проанализируй страховку, insurance analysis.

машинный переводПоказать оригиналСкрыть оригинал«保险责任分析技能。用户上传保险条款图片/截图、粘贴条款文字或提供保险产品链接, 自动识别并提取保险责任、责任免除、时间条件、金额规则、理赔条…»

保险责任分析技能。用户上传保险条款图片/截图、粘贴条款文字或提供保险产品链接, 自动识别并提取保险责任、责任免除、时间条件、金额规则、理赔条件、可持续性、 健康告知、特别约定八大维度的关键信息,进行客观评分,标注风险信号和时间轴, 生成交互式HTML可视化分析报告。触发词:保险分析、保险责任、保险条款分析、 保单分析、保险合同分析、帮我看看这个保险、这个保险怎么样、分析保险、 insurance analysis。

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 8 файлов тело ≈ 917 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

Навык анализа страховой ответственности.

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

АнализаторТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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 "trigger_words"
  • 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: 59
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 917 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 209 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 59 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
The skill’s insurance-analysis purpose is coherent, but it can automatically install Python packages from the network and modify the user’s environment during normal use.
LLM: suspicious (high) · VirusTotal: · 20 июн. 2026 г.