SKILLEMALL.ai
GitHub ↗ EN Войти

BC book-learning-tutor

Превращает книгу в курс и проводит вас по нему как «профессиональный преподаватель» урок за уроком: подготовка к уроку → подробное обучение по Фейнману → практические задания → интервальное повторение → домашнее задание на запоминание → самоэволюция. По умолчанию обрабатывает локальные книги, предоставленные пользователем (PDF/EPUB/DJVU/MOBI/AZW/DOCX/TXT/MD/CBZ); **когда у пользователя нет локальной книги и он явно разрешает, может искать в сети общедоступные источники и получать их с помощью инструмента для сбора данных**. Вызывается, когда пользователь говорит «изучить эту книгу <локальный путь> / превратить этот PDF в курс / научи меня этой книге / продолжить изучение <книга> / повторить <книга> / протестируй меня по <книга> / помоги мне изучить X». Движок обучения является самодостаточным модулем и не требует загрузки других навыков.

машинный переводПоказать оригиналСкрыть оригинал«把书课程化并作为「专业教师」逐课带人类学完：课前备课→详尽费曼教学→练习闸门→间隔复习→背诵作业→自进化。默认处理使用者已提供的本地书（PD…»

把书课程化并作为「专业教师」逐课带人类学完：课前备课→详尽费曼教学→练习闸门→间隔复习→背诵作业→自进化。默认处理使用者已提供的本地书（PDF/EPUB/DJVU/MOBI/AZW/DOCX/TXT/MD/CBZ）；**当使用者无本地书且明确授权时，可代为联网检索公开来源并用项目抓取工具获取**。当用户说「学这本书 <本地路径> / 把这本 PDF 课程化 / 教我这本书 / 继续学 <书> / 复习 <书> / 考考我 <书> / 帮我学 X」时调用。教学引擎已单包自包含，无需再加载其他技能。

ClawHub Agent Skills автор: fangyuan-3149 v0.1.3 MIT-0 48 файлов · 1 скрипт тело ≈ 3 727 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Превращает книгу в курс и проводит вас по нему как «профессиональный преподаватель» урок за уроком: подготовка к уроку → подробное обучение по Фейнману →…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураWordОбучениетип 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
85/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Обфускация средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • средняя Обфускация uni-zero-width examples/flatland/第01章_I__Of_the_Nature_of_Flatland/第01课_I__Of_the_Nature_of_Flatland.md:6
    Невидимые символы нулевой ширины (возможен скрытый текст) (6 шт.) (тестовый файл / пример)
    Imagine a vast sheet of paper on which straight Lines, Triangles, Squares, Pentagons, Hexagons, and other Figures, instead of remaining fixed in their places, m…
    тестовый файл
  • низкая Обфускация obf-base64-blob tools/acquire/pipeline.py:482
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    "iVBO…mNk+M8AAAMBAQDJ/pLvAAAAAElFTkSuQmCC")
    в кавычках
  • низкая Обфускация obf-base64-blob tools/acquire/pipeline.py:604
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    "iVBO…mNk+M8AAAMBAQDJ/pLvAAAAAElFTkSuQmCC")
    в кавычках

Просканировано файлов: 48. 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 "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 57/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 85Шаги. Шагов: 32, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3727 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 250 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: suspicious
The skill is mostly a disclosed book-tutoring tool, but its optional acquisition path can run untrusted source rules through local JavaScript and broad network fetching with weak safeguards.
LLM: suspicious (high) · 11 авг. 2026 г.