SKILLEMALL.ai

AB university-solution-explainer

Объяснение университетских задач и решенных примеров со структурированным, ориентированным на студента разбором. Используйте, когда вас просят объяснить экзаменационный вопрос, разобрать расчет, провести по решенному примеру или решить практическую задачу по любому предмету STEM. Активируется фразами вроде «объясни этот вопрос», «разбери эту задачу», «проведи меня по этому решению», «реши это со мной» или при отправке PDF-файлов или изображений с задачами.

машинный переводПоказать оригиналСкрыть оригинал«Explain university problems and worked solutions with structured, stud…»

Explain university problems and worked solutions with structured, student-first breakdowns. Use when asked to explain an exam question, break down a calculation, walk through a worked solution, or tackle a practice problem from any STEM course. Triggers on phrases like "explain this question", "break down this problem", "walk me through this solution", "solve this with me", or when sharing problem PDFs or images.

ClawHub Agent Skills автор: Yi Lok Enoch Lam v1.0.1 MIT-0 3 файла тело ≈ 1 160 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Объяснение университетских задач и решенных примеров со структурированным, ориентированным на студента разбором.

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

СправочникИнфраструктураОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 65/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 27
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1160 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

    • +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
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 416 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Есть примеры (10 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a tutoring skill for explaining STEM problems, with broad activation wording but no evidence of hidden access, persistence, credential use, data exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.