SKILLEMALL.ai

CD wikipedia

Доступ к Википедии через MCP — поиск статей, получение сводок, случайных фактов, фактов о динозаврах, избранной статьи дня, исторических событий дня, категорий статей, исходящих ссылок, количества просмотров, текущих новостей и самых читаемых статей. Многоязычная поддержка (10 вики). Отлично подходит для исследований, поиска идей для контента и общих запросов знаний.

машинный переводПоказать оригиналСкрыть оригинал«Access Wikipedia via MCP — search articles, get summaries, random fact…»

Access Wikipedia via MCP — search articles, get summaries, random facts, dinosaur facts, today's featured article, today's historical events, article categories, outgoing links, view counts, current news, and most-read articles. Multi-language support (10 wikis). Great for research, content hooks, and general knowledge lookups.

ClawHub Agent Skills автор: Evan790 v1.6.26 MIT-0 8 файлов · 2 скрипта тело ≈ 7 925 токенов Открыть источникclawhub.ai↗ проанализирован 8 дн назад

Доступ к Википедии через MCP — поиск статей, получение сводок, случайных фактов, фактов о динозаврах, избранной статьи дня, исторических событий дня…

Как процесс D 37/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТексты и документыИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
D
37/100
Процесс не доведён
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
Это копия скилла из другого каталога, в рейтинге считается основная: wikipedia (ClawHub)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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: 7. 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 body-long тело SKILL.md ≈ 7925 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 37/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (wikipedia) не совпадает с папкой (wiki-mcp-pub2)
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 7925 токенов
  • 85Шаги. Шагов: 46, расплывчатых формулировок: 2
  • 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

  • +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
  • +2Инструкции на одном языке
  • +3Длина description 329 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 46 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This is a read-only Wikipedia/Wikimedia research skill with broad but disclosed public-data lookup tools, plus privacy and dependency caveats.
LLM: benign (high) · VirusTotal: · 5 окт. 2026 г.