SKILLEMALL.ai

BB calorie-tracker

Умное решение для управления здоровьем с распознаванием еды и упражнений, анализом питательных веществ и калорий, безопасным хранением данных и комплексным управлением данными. Предоставляет пользователям точное ведение учета еды и упражнений, персонализированную оценку питания, отслеживание ежедневного потребления и мониторинг расхода калорий для поддержания здорового образа жизни.

машинный переводПоказать оригиналСкрыть оригинал«Smart health management solution with food and exercise recognition, n…»

Smart health management solution with food and exercise recognition, nutrition and calorie analysis, secure data storage, and comprehensive data management. Empowers users with accurate food and exercise logging, personalized nutrition assessment, daily intake tracking, and calorie expenditure monitoring to support a healthy lifestyle.

ClawHub Agent Skills автор: JH v1.0.24 MIT-0 6 файлов тело ≈ 2 049 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Умное решение для управления здоровьем с распознаванием еды и упражнений, анализом питательных веществ и калорий, безопасным хранением данных и комплексным…

Как процесс B 66/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 6. 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 66/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 65Ошибки и развилки. Развилок: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 67
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2049 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)
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 67 пунктов
  • +3Формат ответа описан явно

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

Внешние проверки

ClawHub: suspicious
This calorie-tracking skill needs Review because it handles sensitive health data in cloud services while privacy, token, and region boundaries are unclear.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.