SKILLEMALL.ai

AD novelty-report-review

Профессионально проверяет отчеты о технологических исследованиях в соответствии с «Нормами проверки новых технологий». Пошагово проверяет понимание пунктов исследования, поисковые запросы и их перевод на китайский и английский языки, построение поисковых запросов, обоснованность отбора литературы по принципу «сообщать только о проблемах» и в конечном итоге выводит только те моменты, на которые следует обратить внимание и которые требуют оптимизации и улучшения. Применимо в сценариях, когда пользователь упоминает «отчет о технологическом исследовании», «проверка отчета об исследовании», «проверка качества отчета» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«根据《科技查新技术规范》对科技查新报告进行专业审核,按"只报问题"原则逐步检查查新点理解、检索词与中英文翻译、检索式构造、文献筛选合理性,最…»

根据《科技查新技术规范》对科技查新报告进行专业审核,按"只报问题"原则逐步检查查新点理解、检索词与中英文翻译、检索式构造、文献筛选合理性,最终仅输出需要注意和优化改进的事项。适用于用户提到"科技查新报告""查新报告审核""报告质量审查"等场景。

ClawHub Agent Skills автор: charliegates309-oss v1.0.0 MIT-0 2 файла тело ≈ 997 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Профессионально проверяет отчеты о технологических исследованиях в соответствии с «Нормами проверки новых технологий».

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

АнализаторДанные и аналитикаИнфраструктуратип 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
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: 2. 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")

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 (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 54
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 997 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

  • +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
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 122 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Есть примеры (3 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a coherent report-review skill, with disclosed document-reading behavior and some consent caveats for shell-based extraction and possible Baidu Scholar lookup.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.