SKILLEMALL.ai

AB find-next-book

Рекомендует следующую книгу для чтения, комбинируя текущий запрос пользователя с релевантным контекстом разговора, доступной долгосрочной памятью, историей чтения и проверенной информацией о книгах. Используйте, когда пользователь спрашивает, что почитать дальше, хочет получить рекомендации по книгам, основанные на текущих целях или повторяющихся проблемах, или явно просит совет по чтению с учетом памяти. Не используйте для краткого изложения известной книги, поиска конкретного факта о книге, перевода книги или анализа уже выбранного текста.

машинный переводПоказать оригиналСкрыть оригинал«Recommend the next book to read by combining the user's current reques…»

Recommend the next book to read by combining the user's current request with relevant conversation context, available long-term memory, reading history, and verified book information. Use when the user asks what to read next, wants book recommendations grounded in current goals or recurring problems, or explicitly asks for memory-informed reading advice. Do not use for summarizing a known book, looking up a specific book fact, translating a book, or analyzing an already selected text.

ClawHub Agent Skills автор: Fov v0.1.0 MIT-0 4 файла тело ≈ 1 031 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Рекомендует следующую книгу для чтения, комбинируя текущий запрос пользователя с релевантным контекстом разговора, доступной долгосрочной памятью, историей…

Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 4. 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 74/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1031 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 489 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This skill is a transparent book-recommendation helper that uses relevant memory and reading context with explicit privacy limits.
    LLM: benign (high) · VirusTotal: · 14 июл. 2026 г.