SKILLEMALL.ai

AC classquill

Запрос к бизнесу репетиторства ClassQuill — сессии, студенты, репетиторы, родители, счета, платежи, планы уроков, бронирования, заработки и отчеты — через сервер MCP ClassQuill / общедоступный API. Используйте, когда пользователь спрашивает о своих операциях по репетиторству, расписании, выставлении счетов или студентах/репетиторах в ClassQuill (или EquateIt).

машинный переводПоказать оригиналСкрыть оригинал«Query a ClassQuill tutoring business — sessions, students, tutors, par…»

Query a ClassQuill tutoring business — sessions, students, tutors, parents, invoices, payments, lesson plans, bookings, earnings, and reports — through the ClassQuill MCP server / public API. Use when the user asks about their tutoring operations, scheduling, billing, or students/tutors in ClassQuill (or EquateIt).

ClawHub Agent Skills автор: BrandonCollis v1.0.0 MIT-0 2 файла тело ≈ 378 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

Запрос к бизнесу репетиторства ClassQuill — сессии, студенты, репетиторы, родители, счета, платежи, планы уроков, бронирования, заработки и отчеты — через…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ИнтеграцияОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 8
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 378 токенов

    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 316 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 8 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a powerful but coherent operator skill bundle for ClawHub, Axiom, Convex, Sentry, documentation, and design workflows, with sensitive actions generally disclosed and gated by user intent or confirmation.
    LLM: benign (high) · VirusTotal: · 14 июл. 2026 г.