SKILLEMALL.ai

AA biz-retro-analyzer

Преобразуйте разговоры, наблюдения на местах и последующие рассуждения из сложных совместных проектов в подкрепленный доказательствами анализ понимания участников, структуры координации, следов принятия решений, изменений и последующих действий. Используйте, когда пользователь просит проанализировать диалог после совещания, проанализировать аудиозапись, разобрать протокол совещания, извлечь суть проекта, скорректировать ключевые решения или преобразовать неструктурированные разговоры в структурированные факты, суждения и последующие действия.

машинный переводПоказать оригиналСкрыть оригинал«Turn conversations, field observations, and follow-up reasoning from c…»

Turn conversations, field observations, and follow-up reasoning from complex collaborative projects into evidence-backed analysis of participant understanding, coordination structure, decision traces, reversals, and next-step actions. Use when the user asks to 复盘会后对话, 分析录音, 拆会议纪要, 提炼项目脉络, 做关键判断纠偏, or turn messy conversations into structured facts, judgments, and follow-up actions.

ClawHub Agent Skills автор: lingxiaodu v0.1.0 MIT-0 2 файла тело ≈ 5 044 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Преобразуйте разговоры, наблюдения на местах и последующие рассуждения из сложных совместных проектов в подкрепленный доказательствами анализ понимания…

Как процесс A 82/100 · Дойдёт до конца — слабые места: отчётность по ходу

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
A
82/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
Входы и предусловия вес 11
70
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5044 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 82/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Ошибки и развилки. Развилок: 8
  • 70Стоимость исполнения. Тело инструкции 5044 токенов
  • 85Шаги. Шагов: 197, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 11. 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 383 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 197 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill is a plain-text business meeting analysis guide with no code, installers, persistence, credential handling, or hidden data movement.
LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.