SKILLEMALL.ai
GitHub ↗ EN Войти

BC france-cinemas

Поиск французских кинотеатров с использованием открытых данных API data.culture.gouv.fr. Запрос по городу, региону, близости, количеству экранов, наличию метки Art et Essai и статусу мультиплекса. Ключ API не требуется.

машинный переводПоказать оригиналСкрыть оригинал«Search French cinema establishments using the open data.culture.gouv.f…»

Search French cinema establishments using the open data.culture.gouv.fr API. Query by city, region, proximity, screen count, Art et Essai label, and multiplex status. No API key required.

ClawHub Agent Skills автор: Andrei v1.0.1 2 файла тело ≈ 1 546 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Поиск французских кинотеатров с использованием открытых данных API data.culture.gouv.fr. Запрос по городу, региону, близости, количеству экранов, наличию…

Как процесс C 52/100 · Есть пробелы — слабые места: шаги, когда включается, входы и предусловия

ИнтеграцияИнфраструктуратип 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
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Шаги вес 15
0
Входы и предусловия вес 11
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. 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 52/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1546 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 187 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Формат ответа описан явно
  • +4Есть примеры (23 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This documentation-only skill helps search a public French cinema dataset and does not include code execution, credentials, persistence, or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.