SKILLEMALL.ai
GitHub ↗ EN Войти

BC french-learning

Автоматизация французской лексики. Форматирует лексику из Excel в Google Sheet, генерирует аудио с помощью ElevenLabs, загружает в Drive. Триггеры: обработать французскую лексику, сгенерировать аудио, файл Excel на французском.

машинный переводПоказать оригиналСкрыть оригинал«French vocab automation. Formats Excel vocab to Google Sheet, generate…»

French vocab automation. Formats Excel vocab to Google Sheet, generates ElevenLabs audio, uploads to Drive. Triggers: process french vocab, generate audio, French Excel file.

ClawHub Agent Skills автор: clairproqc-star v1.0.0 MIT-0 8 файлов тело ≈ 355 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Автоматизация французской лексики.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ГенераторGoogle SheetsExcelGoogle DriveДанные и аналитикаИнфраструктуратип 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
83/100
безопасность, качество, тесты
Безопасность 60%
92
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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 · 8

✓ Критических и высоких находок нет

Средние и низкие: 8
  • низкая Секреты в коде secret-high-entropy-token references/config.md:8
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    - **Target Google Sheet ID**: `1Nnw…hl4` (extracted from URL)
    детектор
  • низкая Секреты в коде secret-high-entropy-token references/config.md:14
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    - **Source Google Sheet ID**: `1ryQ…yTQ` (extracted from URL)
    детектор
  • низкая Секреты в коде secret-high-entropy-token references/config.md:19
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    - **Audio Folder ID**: `1F7J…wlV`
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/fix_update.py:4
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    TARGET_SHEET_ID = "1Nnw…hl4"
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/format_excel.py:8
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    TARGET_SHEET_ID = "1Nnw…hl4"
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/format_excel.py:10
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    SOURCE_SHEET_ID = "1ryQ…yTQ"
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/generate_audio.py:9
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    TARGET_SHEET_ID = "1Nnw…hl4"
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/generate_audio.py:11
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    AUDIO_FOLDER_ID = "1F7J…wlV"
    детектор

Просканировано файлов: 8. 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 61/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 5
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 355 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
  • +4Нет примеров входа/выхода
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 174 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 5 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This French-learning automation is mostly coherent, but it can clear and overwrite a hard-coded Google Sheet and send spreadsheet text to Gemini, ElevenLabs, and Google Drive without a clear confirmation step.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.