SKILLEMALL.ai

BC 论文格式排版

Нормализует китайские или английские статьи по типу: диссертации, научные/журнальные статьи, курсовые работы и другие рукописи. Принимает исходные файлы Word (.doc/.docx) и LaTeX (отдельный .tex или проверяемый архив .zip). PDF, изображения и другие форматы не допускаются к верстке. Обрабатывает аннотации, оглавления, колонтитулы, таблицы, формулы и списки литературы. Приоритет отдается шаблонам вузов или журналов. Используйте, когда пользователь просит отформатировать статью, предоставленную в виде исходного файла Word или LaTeX, включая проверенный ZIP-архив проекта LaTeX. Не используйте для форматирования PDF, изображений, WPS, ODT, RTF или текстовых файлов.

машинный переводПоказать оригиналСкрыть оригинал«按论文类型规范化中文或英文论文,接受 Word(.doc/.docx)及 LaTeX(单个 .tex 或可验证的工程 .zip)源文件;PD…»

按论文类型规范化中文或英文论文,接受 Word(.doc/.docx)及 LaTeX(单个 .tex 或可验证的工程 .zip)源文件;PDF、图片及其他格式不进入排版流程。区分毕业/学位论文、学术/期刊论文、课程论文及其他稿件,处理摘要、目录、页眉页脚、图表、公式及参考文献;学校或期刊模板优先。Use when the user asks to format a paper supplied as Word or LaTeX source, including a validated LaTeX project ZIP. Do not use it to format PDF, image, WPS, ODT, RTF, or plain-text inputs.

ClawHub Agent Skills автор: Cryptocxf v1.0.0 MIT-0 23 файла · 17 скриптов тело ≈ 1 877 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Нормализует китайские или английские статьи по типу: диссертации, научные/журнальные статьи, курсовые работы и другие рукописи.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторWordLaTeXРазработкаИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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

    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: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 51/100

    • 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
    • 40Согласованность. Имя во frontmatter (论文格式排版) не совпадает с папкой (paper-format)
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 74
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Стоимость исполнения. Тело инструкции 1877 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • -35 из 17 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 74 пунктов
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This is a disclosed local paper-formatting skill; users should confirm Chinese/GB defaults and any auto-filled thesis cover date before relying on it.
    LLM: benign (high) · VirusTotal: · 18 сент. 2026 г.