SKILLEMALL.ai
GitHub ↗ EN Войти

AB paper-deep-reading

Глубоко анализирует научные статьи, создавая отчеты с указанием источников, отслеживаемыми доказательствами утверждений и семенами для направления исследований. Используйте для PDF-файлов статей, исходников LaTeX, приложений, заметок к коду, рецензий, задач по обзору литературы, аудита новизны и поиска новых исследовательских вопросов с минимально жизнеспособными экспериментами.

машинный переводПоказать оригиналСкрыть оригинал«Deep-read research papers into source-aware reports, traceable claim e…»

Deep-read research papers into source-aware reports, traceable claim evidence, and research-direction seeds. Use for paper PDFs, LaTeX sources, appendices, code notes, peer reviews, literature-review tasks, novelty audits, and finding new research questions with minimum viable experiments.

ClawHub Agent Skills автор: c-narcissus v1.2.0 MIT-0 20 файлов тело ≈ 6 303 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Глубоко анализирует научные статьи, создавая отчеты с указанием источников, отслеживаемыми доказательствами утверждений и семенами для направления исследований.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

АнализаторLaTeXИнфраструктураДанные и аналитикаРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token templates/latex_paragraphs.template.json:6
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "paragraph_id": "P-se…001",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token templates/traceability_manifest.template.json:18
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "paragraph_id": "P-se…008",
    детектор

Просканировано файлов: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6303 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 66/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 6303 токенов
  • 100Шаги. Шагов: 292
  • 100Ошибки и развилки. Развилок: 18, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 19. Похоже на несколько доменов в одном скилле

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
  • +2Инструкции на одном языке
  • +3Длина description 290 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 292 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 4)
  • +3Все 4 скриптов описаны в инструкциях
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a coherent research-paper analysis helper with local text-processing scripts, though its dependency pins and registry tags should be cleaned up.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.