SKILLEMALL.ai

BC scellrun

Специализированный CLI для анализа одноклеточных и мультиомиксных данных с упором на отчеты. Используйте, когда пользователь запрашивает что-либо, связанное с выходными данными .h5ad / 10x mtx / cellranger. По умолчанию используйте `scellrun analyze` для комплексной работы; обращайтесь к командам отдельных этапов только тогда, когда пользователь явно хочет частичной работы или детального контроля.

машинный переводПоказать оригиналСкрыть оригинал«Opinionated, report-first single-cell + multi-omics analysis CLI. Use…»

Opinionated, report-first single-cell + multi-omics analysis CLI. Use when the user asks anything that involves an .h5ad / 10x mtx / cellranger output. Default to `scellrun analyze` for end-to-end work; reach for individual stage commands only when the user explicitly wants partial work or fine control.

ClawHub Agent Skills автор: DrStrangerUJN v1.3.3 MIT-0 2 файла тело ≈ 11 009 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Специализированный CLI для анализа одноклеточных и мультиомиксных данных с упором на отчеты.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения

ИнтеграцияДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 11009 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "min_scellrun_version"
  • заметка frontmatter-key неизвестное поле фронтматтера "tested_against_version"
  • заметка frontmatter-key неизвестное поле фронтматтера "schema_version"

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 11009 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 85Шаги. Шагов: 94, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 31, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (20 тегов): типизированный вызов надёжнее

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 304 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 94 пунктов
  • +4Есть примеры (13 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This is a legitimate-looking scellrun analysis skill, but it asks the agent to run commands on remote research systems and potentially use AI helpers on sensitive biomedical data without a strong approval gate.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.