SKILLEMALL.ai
GitHub ↗ EN Войти

BC offline-quiz-builder

Преобразовать любые учебные материалы (лекции, заметки, учебники, PDF, Word, Excel, существующие банки вопросов) в полностью автономный интеллектуальный веб-сайт с тестами для повторения, который можно использовать двойным щелчком. Включает адаптивное расписание кривой забывания Эббингауза, журнал ошибок, избранное и календарь посещений, а также возможность автоматического создания ежедневных напоминаний о повторении. Следует использовать этот навык, когда пользователь хочет превратить материалы в веб-сайт для тестирования, создать банк вопросов для повторения, сгенерировать практические задания, создать автономный инструмент для запоминания или нуждается в планировании повторения по кривой забывания.

машинный переводПоказать оригиналСкрыть оригинал«把任意学习资料（讲义、笔记、教材、PDF、Word、Excel、已有题库）转换成一个纯离线的智能复习题库网站，双击即可使用，内置艾宾浩斯遗忘…»

把任意学习资料（讲义、笔记、教材、PDF、Word、Excel、已有题库）转换成一个纯离线的智能复习题库网站，双击即可使用，内置艾宾浩斯遗忘曲线自适应排程、错题本、收藏夹与打卡日历，并可自动创建每日复习提醒任务。当用户想把资料变成刷题网站、做复习题库、生成练习题、搭建离线背题工具、或需要按遗忘曲线安排复习时，应使用本技能。

ClawHub Agent Skills автор: HouNextItem v1.0.0 MIT-0 15 файлов тело ≈ 926 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Преобразовать любые учебные материалы (лекции, заметки, учебники, PDF, Word, Excel, существующие банки вопросов) в полностью автономный интеллектуальный…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаОбучениеРазработкатип 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
85/100
безопасность, качество, тесты
Безопасность 60%
90
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Опасные команды cmd-eval-dynamic scripts/open_quiz.py:52
    Динамическое выполнение кода из декодированного/недоверенного ввода
    os.system(f'open "{index}"')
  • средняя Опасные команды cmd-eval-dynamic scripts/open_quiz.py:54
    Динамическое выполнение кода из декодированного/недоверенного ввода
    os.system(f'xdg-open "{index}"')

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 926 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 162 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
Review recommended: the skill is mostly coherent and local-only, but its browser-opening helper can pass a user-influenced file path through shell commands.
LLM: suspicious (high) · VirusTotal: · 9 авг. 2026 г.