SKILLEMALL.ai
GitHub ↗ EN Войти

BC opc-technical-due-diligence

Инструмент предварительной технической экспертизы для оценки технической осуществимости, проверки биографии команды и подтверждения патентов перед инвестированием. Применяется для проверки достоверности технологических инновационных проектов, выявления фальшивых технологий и преувеличенных заявлений. Основные возможности: оценка технической осуществимости, проверка биографии команды, проверка регистрации патентов, анализ бизнес-модели.

машинный переводПоказать оригиналСкрыть оригинал«技术尽调初筛工具，用于投资前的技术可行性评估、团队背景核查、专利验证。适用于科技创新项目的真实性核查，识别虚假技术和夸大宣传。核心能力：技术…»

技术尽调初筛工具，用于投资前的技术可行性评估、团队背景核查、专利验证。适用于科技创新项目的真实性核查，识别虚假技术和夸大宣传。核心能力：技术可行性评估、团队背景核查、专利备案验证、商业模式分析。

ClawHub Agent Skills автор: golngod v1.0.1 MIT-0 15 файлов тело ≈ 1 477 токенов Открыть источникclawhub.ai↗ проанализирован 26 ч назад

Инструмент предварительной технической экспертизы для оценки технической осуществимости, проверки биографии команды и подтверждения патентов перед…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Интеграциятип 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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
Это копия скилла из другого каталога, в рейтинге считается основная: opc-technical-due-diligence (ClawHub)

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: 15. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1477 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
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 97: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -36 из 6 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Структура: 36 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 5)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
This appears to be a real due-diligence helper, but it needs review because it handles confidential deal data and credentials, stores reports, and includes verifier behavior that can make weak reports look trustworthy.
LLM: suspicious (high) · 28 мая 2026 г.