SKILLEMALL.ai

BF data-analytics-assistant

Помощник по анализу данных. Поддерживает статистику посещений веб-сайтов, анализ поведения пользователей, рекомендации по оптимизации коэффициента конверсии.

машинный переводПоказать оригиналСкрыть оригинал«数据分析助手。支持网站访问统计、用户行为分析、转化率优化建议。…»

数据分析助手。支持网站访问统计、用户行为分析、转化率优化建议。

ClawHub Agent Skills автор: cp3d1455926-svg v1.0.0 MIT-0 4 файла тело ≈ 560 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по анализу данных.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/generate_report.py, scripts/calculate_metrics.py, references/metrics-definition.md

ПроцедураИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
49
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/generate_report.py, scripts/calculate_metrics.py, references/metrics-definition.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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

  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/generate_report.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/calculate_metrics.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/metrics-definition.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/report_templates.md

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/generate_report.py, scripts/calculate_metrics.py, references/metrics-definition.md
  • 0Инструменты и файлы. Не хватает 4 файла(ов): scripts/generate_report.py, scripts/calculate_metrics.py, references/metrics-definition.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 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
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 560 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)
  • +3Длина description 31: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 49.

Внешние проверки

ClawHub: clean
This is a low-risk Chinese-language analytics prompt/template skill with no executable code, credential access, persistence, or hidden data handling.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.