SKILLEMALL.ai

AC weread-plus

Помощник для WeChat Read. Используйте этот навык, когда пользователь хочет расширить рабочие процессы WeRead на основе официального навыка weread-skills, который должен быть установлен из https://cdn.weread.qq.com/skills/weread-skills.zip: ежедневные сводки книг, рекомендации книг, анализ перед принятием решения, поиск авторов публичных обзоров и мыслей, анализ популярных цитат, экспорт личных заметок, отчеты о чтении, планирование книжной полки и сравнение книг.

машинный переводПоказать оригиналСкрыть оригинал«微信读书伴侣。Use this skill when the user wants enhanced WeRead workflows bu…»

微信读书伴侣。Use this skill when the user wants enhanced WeRead workflows built on top of the official weread-skills skill, which must be installed from https://cdn.weread.qq.com/skills/weread-skills.zip: daily book briefings, book recommendations, read-before-you-commit analysis, public review and thought author lookup, popular highlight analysis, personal note export, reading reports, bookshelf planning, and side-by-side book decisions.

ClawHub Agent Skills автор: haidong v1.1.0 MIT-0 16 файлов тело ≈ 1 357 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощник для WeChat Read.

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
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

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 14. 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: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 33
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1357 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • -31 из 8 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 436 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 33 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This WeRead companion skill handles private reading data, but its network use, API key use, exports, and reports are disclosed and aligned with its reading-analysis purpose.
    LLM: benign (high) · VirusTotal: · 22 июн. 2026 г.