SKILLEMALL.ai

CD paper-reading

Читает научные статьи из локальных PDF-файлов, URL-адресов arXiv или по названиям статей и генерирует структурированные заметки о чтении на китайском языке. Используйте, когда пользователь предоставляет путь к PDF-файлу, URL-адрес arXiv, название статьи или просит прочитать/обобщить/проанализировать научную статью. Поддерживает автоматический поиск названий на arXiv, загрузку PDF, извлечение текста и генерацию стандартизированных заметок по согласованному формату шаблона.

машинный переводПоказать оригиналСкрыть оригинал«Read academic papers from local PDF files, arXiv URLs, or paper titles…»

Read academic papers from local PDF files, arXiv URLs, or paper titles and generate structured reading notes in Chinese. Use when the user provides a PDF file path, an arXiv URL, a paper title, or asks to read/summarize/analyze a research paper. Supports automatic arXiv title search, PDF download, text extraction, and standardized note generation following a consistent template format.

ClawHub Agent Skills автор: Fourier v1.0.2 MIT-0 7 файлов · 2 скрипта тело ≈ 565 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Читает научные статьи из локальных PDF-файлов, URL-адресов arXiv или по названиям статей и генерирует структурированные заметки о чтении на китайском языке.

Как процесс D 37/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: url

ПроцедураPDFИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
37/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: url
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 missing-ref ссылка на отсутствующий файл: url

Процессный рейтинг: все десять параметров 37/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: url
  • 0Инструменты и файлы. Не хватает 1 файла(ов): url
  • 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
  • 40Согласованность. Имя во frontmatter (paper-reading) не совпадает с папкой (paper-reading-fourier)
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 565 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 388 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The skill is mostly a coherent paper-reading helper, but its PDF downloader can reach non-arXiv network locations despite presenting itself as arXiv-scoped.
LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.