SKILLEMALL.ai
GitHub ↗ EN Войти

AC paper-polisher

Обнаружение ИИ · 4-уровневые ворота DeAI · Переписывание DeAI · Проверка терминологии · Аудит метафор · Отчет о качестве. Двуязычный (CN/EN), 100% локальный, без загрузки. 9-уровневый движок слов со 1002 шаблонами и специфичным для модели отпечатком для китайских LLM, ПЛЮС стилометрический анализ стиля, который обнаруживает черновики, перефразированные ИИ, которые обходят черные списки слов (EVAL gap 49.2), слой перевода и взвешенный композитный вердикт из одной команды.

машинный переводПоказать оригиналСкрыть оригинал«AI Detection · 4-Layer DeAI Gate · De-AI Rewriting · Terminology Check…»

AI Detection · 4-Layer DeAI Gate · De-AI Rewriting · Terminology Check · Metaphor Audit · Quality Report. Bilingual (CN/EN), 100% local, zero upload. 9-layer word engine with 1002 patterns and model-specific fingerprinting for Chinese LLMs, PLUS stylometric style analysis that catches AI-paraphrased drafts which dodge word blacklists (EVAL gap 49.2), translation-smell layer, and a weighted-fusion composite verdict from one command.

ClawHub Agent Skills автор: docsor1212 v2.0.0 MIT-0 19 файлов тело ≈ 2 842 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Обнаружение ИИ · 4-уровневые ворота DeAI · Переписывание DeAI · Проверка терминологии · Аудит метафор · Отчет о качестве.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураДанные и аналитикаТексты и документытип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Секреты в коде secret-high-entropy-token data/terminology.json:3864
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "cn": "20%美国风湿病学会改善Americancollegeofrheumatology20%",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token data/terminology.json:3870
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "cn": "50%美国风湿病学会改善Americancollegeofrheumatology50%",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token data/terminology.json:3876
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "cn": "70%美国风湿病学会改善Americancollegeofrheumatology70%",
    в кавычках

Просканировано файлов: 19. 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 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 33
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2842 токенов
  • low Разделов верхнего уровня: 12. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 435 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
The skill is mostly a local paper-analysis tool, but it under-discloses remote web-note editing and PDF-generation behavior while also encouraging AI-detection evasion.
LLM: suspicious (high) · 15 авг. 2026 г.