SKILLEMALL.ai
GitHub ↗ EN Войти

BF oee-analysis

Введите данные о работе оборудования, автоматически рассчитайте три основных показателя OEE, диагностируйте распределение шести видов потерь, проверьте достоверность данных, выведите приоритеты улучшений и оценку ROI (включая пометки о предположениях); используйте, когда вам нужен анализ OEE, оценка эффективности оборудования, диагностика производительности или проект по улучшению OEE.

машинный переводПоказать оригиналСкрыть оригинал«输入设备运行数据，自动计算OEE三大指标，诊断六大损失分布，检测数据可信度，输出改善优先级与ROI估算（含假设标注）；当用户需要OEE分析、…»

输入设备运行数据，自动计算OEE三大指标，诊断六大损失分布，检测数据可信度，输出改善优先级与ROI估算（含假设标注）；当用户需要OEE分析、设备效率评估、产能诊断或OEE改善项目时使用

ClawHub Agent Skills автор: engicool v0.1.0 MIT-0 2 файла тело ≈ 586 токенов Открыть источникclawhub.ai↗ проанализирован 14 ч назад

Введите данные о работе оборудования, автоматически рассчитайте три основных показателя OEE, диагностируйте распределение шести видов потерь, проверьте…

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/oee_calculator.py, scripts/build_report.py

АнализаторДанные и аналитикатип 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
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/oee_calculator.py, scripts/build_report.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. 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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. 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 missing-ref ссылка на отсутствующий файл: scripts/oee_calculator.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/build_report.py
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependency"

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/oee_calculator.py, scripts/build_report.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/oee_calculator.py, scripts/build_report.py
  • 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 (oee-analysis) не совпадает с папкой (skill-oee-analysis)
  • 100Шаги. Шагов: 25
  • 100Стоимость исполнения. Тело инструкции 586 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 92: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 25 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: clean
This skill is a disclosed OEE analysis/reporting helper with no evidence of hidden access, persistence, exfiltration, or destructive behavior.
LLM: benign (high) · VirusTotal: · 16 июл. 2026 г.