SKILLEMALL.ai

BD pans-excel

Полностью функциональный эксперт по обработке Excel. Функции: анализ данных | визуализация данных (7 видов) | обработка данных | шаблоны отчетов (7 видов) | ИИ-интеллект | импорт/экспорт CSV/JSON | проверка данных | экспорт в PDF | очистка данных. Ключевые слова: обработка Excel, анализ таблиц, визуализация данных, создание диаграмм, генерация формул, создание отчетов, панель продаж, финансовый анализ, сверка данных, импорт CSV, экспорт JSON, экспорт PDF, очистка данных.

машинный переводПоказать оригиналСкрыть оригинал«全功能智能 Excel 处理专家。功能:数据分析 | 图表可视化(7种) | 数据处理 | 报表模板(7种) | AI智能 | CSV/JS…»

全功能智能 Excel 处理专家。功能:数据分析 | 图表可视化(7种) | 数据处理 | 报表模板(7种) | AI智能 | CSV/JSON导入导出 | 数据验证 | PDF导出 | 数据清洗。 触发词:Excel处理, 表格分析, 数据可视化, 图表制作, 公式生成, 报表生成, 销售看板, 财务分析, 对账清单, CSV导入, JSON导出, PDF导出, 数据清洗

ClawHub Agent Skills автор: dashiming v1.2.0 MIT-0 4 файла тело ≈ 1 116 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полностью функциональный эксперт по обработке Excel.

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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 · 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-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 36/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1116 токенов
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 188 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +4Есть примеры (11 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This is a useful local Excel tool, but it includes an unsafe data parser that can execute Python code from crafted command input.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.