SKILLEMALL.ai
GitHub ↗ EN Войти

BD wechat-article-formatter

Инструмент оптимизации форматирования статей для WeChat. Поддерживает разделение на абзацы, иерархию заголовков, улучшение читаемости, различные стили форматирования. Разработан специально для операторов WeChat.

машинный переводПоказать оригиналСкрыть оригинал«微信公众号文章排版优化工具，支持段落分明、标题层级、可读性增强、多种排版风格。专为公众号运营者设计。…»

微信公众号文章排版优化工具，支持段落分明、标题层级、可读性增强、多种排版风格。专为公众号运营者设计。

ClawHub Hermes автор: dongrebeccahhh-boop v1.0.0 MIT-0 4 файла тело ≈ 783 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Инструмент оптимизации форматирования статей для WeChat.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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 ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "grade"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (wechat-article-formatter) не совпадает с папкой (dongrebeccahhh-wechat-article-formatter)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 63
  • 100Стоимость исполнения. Тело инструкции 783 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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)
  • +3Длина description 50: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 44 заголовков
  • +3Пошаговые инструкции: 63 пунктов
  • +4Есть примеры (10 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a local article-formatting skill that reads user-provided files and optionally writes a formatted output file, with no evidence of hidden network, credential, or persistence behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.