SKILLEMALL.ai

AB data-extractor

Извлечение структурированных данных из неструктурированных источников. Парсинг JSON, CSV, логов и смешанных форматов в чистые, пригодные для использования данные. Эффективная обработка некорректных данных, вложенных структур и больших файлов. Используйте при извлечении данных из «грязных» входных данных, парсинге логов или очистке наборов данных. Запускается по запросам «извлечь данные», «распарсить json», «распарсить csv», «очистить данные», «парсер логов».

машинный переводПоказать оригиналСкрыть оригинал«Extract structured data from unstructured sources. Parse JSON, CSV, lo…»

Extract structured data from unstructured sources. Parse JSON, CSV, logs, and mixed formats into clean, usable data. Handle malformed data, nested structures, and large files efficiently. Use when extracting data from messy inputs, parsing logs, or cleaning datasets. Triggers on "extract data", "parse json", "parse csv", "clean data", "log parser".

ClawHub Agent Skills автор: engsathiago v1.0.0 MIT-0 2 файла тело ≈ 2 632 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Извлечение структурированных данных из неструктурированных источников.

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

СправочникДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Повторный запуск вес 4
30
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: 2. 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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2632 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 350 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (20 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a straightforward data-parsing helper with no hidden execution, network behavior, credential use, or persistence.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.