SKILLEMALL.ai

AB paper-card-analyzer

Анализируйте выходные данные `paper-parse` и генерируйте ориентированную на исследования карточку статьи непосредственно на естественном языке. Используйте этот навык после парсинга статьи, когда вам нужна структурированная сводка вклада, метода, экспериментов, ограничений, заметок о воспроизводимости и будущей работы без запуска дополнительных скриптов.

машинный переводПоказать оригиналСкрыть оригинал«Analyze `paper-parse` outputs and generate a research-oriented paper c…»

Analyze `paper-parse` outputs and generate a research-oriented paper card directly in natural language. Use this skill after paper parsing when you need a structured summary of contributions, method, experiments, limitations, reproducibility notes, and future work without running any extra script.

ClawHub Agent Skills автор: Chen-Li-17 v1.0.0 MIT-0 2 файла тело ≈ 1 304 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализируйте выходные данные paper-parse и генерируйте ориентированную на исследования карточку статьи непосредственно на естественном языке.

Как процесс B 76/100 · Почти готов — слабые места: когда включается, повторный запуск

АнализаторИнфраструктураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Когда включается вес 12
20
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
60
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 76/100

    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Ошибки и развилки. Развилок: 6
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 89
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1304 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 298 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 89 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This skill is a focused paper-summary helper that reads parsed paper files and writes clearly named local paper-card outputs, with no hidden code or credential/network behavior found.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.