SKILLEMALL.ai
GitHub ↗ EN Войти

BD ragflow-kb

问答和操作指导 RAGFlow. Вызов API базы знаний RAGFlow для интеллектуальных ответов и предоставление рекомендаций по действиям агента на основе результатов из базы знаний. Поддерживает потоковый вывод, терпеливо ожидайте полного ответа. Активируется, когда пользователь задает технические вопросы, вопросы по устранению неполадок, инструкции по эксплуатации или когда требуется поиск по базе знаний. Применимо к проблемам с контейнерами/Docker, системному администрированию, вопросам, связанным с разработкой, и т. д.

машинный переводПоказать оригиналСкрыть оригинал«RAGFlow知识库问答与操作指导。调用RAGFlow知识库API进行智能问答，并基于知识库返回结果提供agent操作建议。支持流式输出，耐…»

RAGFlow知识库问答与操作指导。调用RAGFlow知识库API进行智能问答，并基于知识库返回结果提供agent操作建议。支持流式输出，耐心等待完整响应生成。当用户提出技术问题、故障排查、操作指导或需要知识库检索时触发此技能。适用于容器/Docker问题、系统运维、开发相关问题等场景。

ClawHub Agent Skills автор: chenkun-nuaa v1.0.0 6 файлов · 1 скрипт тело ≈ 845 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

问答和操作指导 RAGFlow. Вызов API базы знаний RAGFlow для интеллектуальных ответов и предоставление рекомендаций по действиям агента на основе результатов из базы…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникDockerИнфраструктуратип 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
B
85/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Обфускация obf-base64-blob scripts/query_ragflow.py:23
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    COOKIE = "session=.elx…siB/MyNq…xp4"
    в кавычках
  • низкая Обфускация obf-base64-blob scripts/quick_test.py:15
    Длинный blob, похожий на base64 (тестовый файл / пример; в кавычках — упоминание, а не команда)
    COOKIE = "session=.elx…siB/MyNq…xp4"
    тестовый файлв кавычках

Просканировано файлов: 6. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (ragflow-kb) не совпадает с папкой (ck-rag-skill)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 52
  • 100Стоимость исполнения. Тело инструкции 845 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

  • +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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 52 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
The skill appears to do the advertised RAGFlow Q&A job, but it ships reusable API credentials and shared conversation state that users should review before installing.
LLM: suspicious (high) · VirusTotal: suspicious · 28 мая 2026 г.