SKILLEMALL.ai
GitHub ↗ EN Войти

BF clean-text-toolkit

Локальный набор инструментов для очистки и проверки текста. Извлекает структурированные элементы (URL, email, телефоны, IP-адреса, даты, хэштеги, деньги), удаляет персональные данные (email/телефон/кредитная карта с Luhn/SSN/JWT/AWS ключи/UUID), нормализует (BOM/CRLF/умные кавычки/пробелы/табуляция/регистр/Unicode NFC), утилиты для строк (подсчет/дедупликация/сортировка/перемешивание/первые/последние строки), статистику частоты слов с учетом стоп-слов, три режима сравнения текстов (unified/side/HTML), рендерер шаблонов без Jinja2 с фильтрами и значениями по умолчанию, генератор URL-безопасных slug и конвертер Markdown (удаление до текста / минимальный HTML / извлечение заголовков/ссылок/изображений/кода/списков). Чистый Python 3 стандартной библиотеки, без сторонних зависимостей, без удаленных вызовов.

машинный переводПоказать оригиналСкрыть оригинал«Local text cleanup and inspection toolkit. Extract structured items (U…»

Local text cleanup and inspection toolkit. Extract structured items (URLs, emails, phones, IPs, dates, hashtags, money), redact PII (email/phone/credit-card-with-Luhn/SSN/JWT/AWS keys/UUIDs), normalize (BOM/CRLF/smart-quotes/whitespace/tabs/case/Unicode NFC), line utilities (count/dedupe/sort/shuffle/head/tail), word-frequency stats with stopwords, three-mode text diffs (unified/side/HTML), no-Jinja2 template renderer with filters and defaults, URL-safe slug generator, and Markdown converter (strip-to-text / minimal HTML / extract headings/links/images/code/lists). Pure Python 3 standard library, no third-party dependencies, no remote calls.

ClawHub Agent Skills автор: Gopendra Sharma v0.4.0 MIT-0 16 файлов · 1 скрипт тело ≈ 3 453 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Локальный набор инструментов для очистки и проверки текста.

Как процесс F 37/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: url

ГенераторAWSРазработкаИнфраструктуратип 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%
70
Прогон на моделях
не было
Процессный рейтинг
F
37/100
Не запустится
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. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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: 16. 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")
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 85Шаги. Шагов: 44, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3453 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

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
  • +2Инструкции на одном языке
  • +3Длина description 649 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (11 блоков кода)
  • +3Все 13 скриптов описаны в инструкциях
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a local Python text-processing toolkit with disclosed, user-directed file reads and writes and no evidence of remote calls, persistence, or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.