SKILLEMALL.ai

AC text-patterns

Обрабатывает текст с помощью отобранных шаблонов контента для суммаризации, извлечения информации, анализа, написания и проверки. Используйте, когда пользователь просит суммировать, извлечь идеи/мудрость/мысли, проанализировать утверждения/прозу/статью, улучшить текст, очистить текст или применить именованный шаблон, такой как extract_wisdom или summarize. Запускает fabric CLI при наличии; в противном случае возвращается к прямому применению инструкций шаблона без внешних зависимостей.

машинный переводПоказать оригиналСкрыть оригинал«Process text through curated content patterns for summarization, extra…»

Process text through curated content patterns for summarization, extraction, analysis, writing, and review. Use when the user asks to summarize, extract insights/wisdom/ideas, analyze claims/prose/paper, improve writing, clean text, or apply a named pattern like extract_wisdom or summarize. 用模式处理文本, 总结内容, 提炼洞察, 提取智慧, 分析文本, 改善写作, 清洗文本. Runs the fabric CLI when present; otherwise falls back to applying the pattern instructions directly with no external dependency.

ClawHub Agent Skills автор: CarolZ1 v0.1.0 MIT-0 4 файла тело ≈ 877 токенов Открыть источникclawhub.ai↗ проанализирован 8 дн назад

Обрабатывает текст с помощью отобранных шаблонов контента для суммаризации, извлечения информации, анализа, написания и проверки.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураТексты и документыМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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

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

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 57/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 877 токенов
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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 466 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    This text-processing skill is mostly coherent, but it can fetch changing remote prompt instructions from GitHub and treat them as controlling instructions without strong user consent or integrity checks.
    LLM: suspicious (high) · 23 сент. 2026 г.