SKILLEMALL.ai

AC meeting-kb-skill

Интеллектуальное создание резюме и транскрипций для нескольких конференций Tencent Meeting (tmeet). Превращает разрозненные решения, выводы, пункты действий и риски конференций в доступную для поиска базу знаний, обеспечивая сквозную связь между сценариями, такими как «еженедельные отчеты/анализ/собеседования/обучение». Активируется, когда пользователь говорит «систематизировать знания конференций», «поиск по нескольким конференциям», «создать базу знаний конференций», «как было решено на предыдущих конференциях».

машинный переводПоказать оригиналСкрыть оригинал«基于腾讯会议(tmeet)多场会议的智能纪要与转写,把分散的会议决策、结论、行动项与风险沉淀为可检索的知识库,实现"周报/复盘/面试/培训一…»

基于腾讯会议(tmeet)多场会议的智能纪要与转写,把分散的会议决策、结论、行动项与风险沉淀为可检索的知识库,实现"周报/复盘/面试/培训一气呵成"的跨场景串联。当用户说"沉淀会议知识""跨会议检索""建个会议知识库""之前会议怎么定的"时触发。

ClawHub Agent Skills автор: LGYS v3.0.0 MIT-0 7 файлов тело ≈ 657 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Интеллектуальное создание резюме и транскрипций для нескольких конференций Tencent Meeting (tmeet).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 0. 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")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 19
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 657 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

  • +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
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 123 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
The skill’s meeting knowledge-base purpose is coherent, but it can aggregate sensitive meeting records from Tencent Meeting or local notes into a persistent index from broad prompts without clear scope confirmation.
LLM: suspicious (high) · 21 июл. 2026 г.