SKILLEMALL.ai

AC paperbanana

Генерация академических диаграмм, иллюстраций методологии, архитектурных схем и статистических графиков, пригодных для публикации, по текстовым описаниям с использованием многоагентного ИИ-конвейера PaperBanana. Также оценивает качество диаграмм по эталонным изображениям. Используйте, когда: (1) пользователь просит сгенерировать, создать или сделать исследовательскую диаграмму, иллюстрацию методологии, схему архитектуры системы, диаграмму конвейера или фигуру фреймворка, (2) пользователь просит создать статистический график, гистограмму или визуализацию данных из данных CSV/JSON, (3) пользователь просит оценить или оценить сгенерированную диаграмму по сравнению с эталоном, (4) пользователь просит уточнить или улучшить ранее сгенерированную диаграмму. НЕ использовать для: анализа существующих изображений, общей генерации изображений (неакадемических) или обсуждения диаграмм/графиков без явного намерения генерации.

машинный переводПоказать оригиналСкрыть оригинал«Generate publication-quality academic diagrams, methodology figures, a…»

Generate publication-quality academic diagrams, methodology figures, architecture illustrations, and statistical plots from text descriptions using the PaperBanana multi-agent AI pipeline. Also evaluate diagram quality against reference images. Use when: (1) user asks to generate, create, or make a research diagram, methodology figure, system architecture illustration, pipeline diagram, or framework figure, (2) user asks to create a statistical plot, bar chart, or data visualization from CSV/JSON data, (3) user asks to evaluate or score a generated diagram against a reference, (4) user asks to refine or improve a previously generated diagram. NOT for: analyzing existing images, general image generation (non-academic), or chart/graph discussions without explicit generation intent.

ClawHub Agent Skills автор: Bennett v0.1.1 7 файлов тело ≈ 1 361 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Генерация академических диаграмм, иллюстраций методологии, архитектурных схем и статистических графиков, пригодных для публикации, по текстовым описаниям с…

Как процесс C 58/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ГенераторИсследованияИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
98
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.

Опасные команды средняя серьёзность

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

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Опасные команды cmd-pipe-to-shell-known-host README.md:79
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
      curl -LsSf https://astral.sh/uv/install.sh | sh

    Просканировано файлов: 7. 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 58/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (paperbanana) не совпадает с папкой (openclaw-paperbanana)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Стоимость исполнения. Тело инструкции 1361 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 790 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 98.

    Внешние проверки

    ClawHub: suspicious
    The skill’s diagram and plotting purpose is coherent, but it should be reviewed because it may run AI-generated Python plotting code without clear sandboxing.
    LLM: suspicious (medium) · VirusTotal: benign · 28 мая 2026 г.