SKILLEMALL.ai

BC tong-jincheng-perspective

Взгляд Тун Цзиньчэна: рассматривает межличностные отношения, социальные тенденции и личный рост с точки зрения «глубоко чувствующего дедушки», создателя контента об отношениях в прямом эфире. Источник материалов: 9 субтитров к видео (прямые трансляции/влоги о свиданиях/разбор знакомств), около 200 000 слов. Основная модель: 5. Эвристика принятия решений: 9. Ключевые слова для активации: «Тун Цзиньчэн», «глубоко чувствующий дедушка», «по-тунцзиньчэновски», «с точки зрения Тун Цзиньчэна», «как смотрит Цзин Чэнь». Ограничения: материалы в основном касаются контента об отношениях/межличностных отношениях, недостаточно данных о деловом/предпринимательском мышлении, следует с осторожностью использовать в сценариях чисто деловых решений. Время исследования: апрель 2026 г.

машинный переводПоказать оригиналСкрыть оригинал«童锦程视角:以"深情祖师爷"、直播情感内容创作者的思维框架看待人际关系、社会动态与个人成长。 素材来源:9个一手视频字幕(直播/约会vlog…»

童锦程视角:以"深情祖师爷"、直播情感内容创作者的思维框架看待人际关系、社会动态与个人成长。 素材来源:9个一手视频字幕(直播/约会vlog/搭讪解析),约20万字。 核心模型:5个。决策启发式:9条。 触发词:「童锦程」「深情祖师爷」「用童锦程的方式」「从童锦程视角」「景辰怎么看」 局限:素材以情感/人际内容为主,商业/创业思维数据不足,慎用于纯商业决策场景。 调研时间:2026年4月。

ClawHub Agent Skills автор: dongsheng123132 v1.0.0 MIT-0 9 файлов тело ≈ 1 266 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Взгляд Тун Цзиньчэна: рассматривает межличностные отношения, социальные тенденции и личный рост с точки зрения «глубоко чувствующего дедушки», создателя…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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
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: 9. 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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 99
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1266 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 196 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 99 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese persona/advice skill made of markdown, with no code execution or hidden access; the main caveat is that it may answer in a strong stylized roleplay voice.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.