SKILLEMALL.ai
GitHub ↗ EN Войти

DF paper-polisher

AI-проверка академических текстов, рекомендации по улучшению (стиль, терминология, "переводческий запах"), аудит метафор, отчет о качестве, проверка соответствия маркировке AIGC (правила маркировки Китая от 2025-09), указание источника на уровне абзаца, предпроверка для журнала, предложения по переписыванию предложений (находит и предлагает, никогда не переписывает автоматически), плюс `--batch DIR` для пакетной обработки текстов диссертационного масштаба (оценки AI-rate по каждому файлу в каталоге). Двуязычный CN/EN, 100% локально, без загрузки данных, без учетных данных; пакетный набор unit-тестов + самопроверка на основе AST без сети. v3 представляет перекалиброванный многоуровневый движок правил (11 основных уровней + эвристики дискурса/гладкости) + слой токен-спектра + маршрутизированное слияние по длине + опциональный слой Qwen3-0.6B ONNX под наблюдением (AUROC 1.0 на отложенном тесте) + определение отпечатков LLM (GLM/DeepSeek/Qwen/Kimi/MiniMax/GPT/Claude/Gemini) + конвейер свежести. Базовые показатели движка воспроизводятся по результатам отложенной оценки; столбцы под наблюдением — это измерения со стороны автора (модель не входит в комплект).

машинный переводПоказать оригиналСкрыть оригинал«AI-rate self-check for academic writing, polish guidance (style, termi…»

AI-rate self-check for academic writing, polish guidance (style, terminology, translation-smell), metaphor audit, quality report, AIGC compliance label check (China 2025-09 labeling rules), paragraph-level attribution, journal precheck, sentence-level rewrite suggestions (locates and advises, never auto-rewrites), plus `--batch DIR` for thesis-scale batch rewriting (per-file AI-rate scores directory-wide). Bilingual CN/EN, 100% local, zero upload, zero credentials; bundled unit-test suite + AST-based zero-network self-verification. v3 delivers a recalibrated multi-layer rule engine (11 core layers + discourse/smoothness heuristics) + token-spectrum layer + length-routed fusion + optional supervised Qwen3-0.6B ONNX layer (AUROC 1.0 on held-out test) + LLM fingerprint attribution (GLM/DeepSeek/Qwen/Kimi/MiniMax/GPT/Claude/Gemini) + freshness pipeline. Base-engine numbers reproduce from the bundled held-out evaluation; supervised columns are author-side measurements (model not bundled).

ClawHub Agent Skills автор: docsor1212 v5.2.0 MIT-0 78 файлов · 28 скриптов тело ≈ 8 929 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

AI-проверка академических текстов, рекомендации по улучшению (стиль, терминология, "переводческий запах"), аудит метафор, отчет о качестве, проверка…

Как процесс F 33/100 · Процесс не описан — Скилл ссылается на файлы, которых нет в архиве: scripts/pp_style_norm.py, scripts/pp_verify.py

ГенераторИИ и агентыЛюди и наймтип 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
D
76/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
44
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Процесс не описан
Скилл ссылается на файлы, которых нет в архиве: scripts/pp_style_norm.py, scripts/pp_verify.py
Инструменты и файлы вес 18
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 78. 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")
  • предупреждение body-long тело SKILL.md ≈ 8929 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/pp_style_norm.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/pp_verify.py
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 57): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/pp_style_norm.py, scripts/pp_verify.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/pp_style_norm.py, scripts/pp_verify.py
  • 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
  • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (paper-polisher) не совпадает с папкой (paper-polisher-pro)
  • 40Стоимость исполнения. Тело инструкции 8929 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 68
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. 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)
  • +3Длина description 998: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 19 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 68 пунктов
  • +4Есть примеры (6 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 44.

Внешние проверки

ClawHub: clean
This is a local academic writing and AI self-check toolkit with disclosed, user-directed file writes and optional model setup, and I found no evidence of hidden upload, persistence, or credential use.
LLM: benign (medium) · VirusTotal: · 10 окт. 2026 г.