SKILLEMALL.ai

BC tech-feasibility-assessor

Эксперт по оценке коммерческой жизнеспособности научных достижений. Систематически оценивает пригодность научных достижений для предпринимательства на основе пятимерной модели оценки (зрелость технологии, рыночный спрос, конкурентные барьеры, бизнес-модель, соответствие ресурсов). Активируется, когда пользователю необходимо определить, подходит ли научное достижение для предпринимательства, оценить коммерческий потенциал технологии или провести оценку зрелости технологии (TRL).

машинный переводПоказать оригиналСкрыть оригинал«学术成果商业化可行性评估专家,基于五维评估模型(技术成熟度、市场需求度、竞争壁垒、商业模式、资源匹配度)系统化评估科研成果的创业适配性。当用…»

学术成果商业化可行性评估专家,基于五维评估模型(技术成熟度、市场需求度、竞争壁垒、商业模式、资源匹配度)系统化评估科研成果的创业适配性。当用户需要判断学术成果是否适合创业、评估技术商业化潜力、或进行技术成熟度(TRL)评估时触发。

ClawHub Agent Skills автор: Roma v1.0.0 MIT-0 2 файла тело ≈ 1 035 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Эксперт по оценке коммерческой жизнеспособности научных достижений.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
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: 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

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: 56
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1035 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 115: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -217 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This appears to be a purpose-aligned evaluation skill with a routing-quality issue, not evidence of harmful behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.