SKILLEMALL.ai

AD flyai-companion-match

Помощник по подбору рекомендаций для попутчиков, интеллектуально фильтрует туристические достопримечательности в зависимости от характеристик попутчиков (пожилые люди, дети, подруги и т. д.). Использует FlyAI для получения данных о достопримечательностях, комбинирует с профилем попутчиков для автоматической фильтрации, рекомендует достопримечательности и развлечения, подходящие всем попутчикам. Используйте, когда пользователь упоминает «с кем поехать», «куда поехать с ребенком», «путешествие с пожилыми людьми», «рекомендации для семейного отдыха», «достопримечательности, подходящие для XX», «попутчики», «семейная поездка».

машинный переводПоказать оригиналСкрыть оригинал«同行人适配推荐助手,根据同行人特征(老人、小孩、闺蜜等)智能筛选目的地景点。调用FlyAI获取景点数据,结合同行人画像自动过滤,推荐适合所有…»

同行人适配推荐助手,根据同行人特征(老人、小孩、闺蜜等)智能筛选目的地景点。调用FlyAI获取景点数据,结合同行人画像自动过滤,推荐适合所有同行人的景点和玩法。当用户提到"带谁去"、"带小孩去哪玩"、"带老人旅游"、"亲子游推荐"、"适合XX的景点"、"同行人"、"家庭出游"时使用。

ClawHub Agent Skills автор: hello_hang v1.0.1 MIT-0 13 файлов тело ≈ 1 052 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по подбору рекомендаций для попутчиков, интеллектуально фильтрует туристические достопримечательности в зависимости от характеристик попутчиков…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 13. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1052 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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
  • -216 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 142 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 11)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
This travel recommendation skill is mostly coherent, but it asks the agent to change the local system and weaken HTTPS security before doing ordinary travel searches.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.