SKILLEMALL.ai

BD hky-insure-risk-report

Навык генерации стандартизированного отчета об анализе рисков в области пенсионного обеспечения и наследования. Читает структурированный протокол собеседования по пенсионному обеспечению и наследованию и одним нажатием кнопки создает стандартизированный отчет об оценке рисков: схема семейной структуры (сгенерированная Pillow в PNG, с пустым полем для пунктирной рамки), анализ трех основных линий: человек-права-активы (для обычной семьи) или "две линии защиты" (для семей с особыми потребностями детей), таблица основной информации и активов, таблица средств и намерений, ранжирование рисков P0-P3 + перекрестный анализ по пяти углам, ссылки на юридические разъяснения, матрица инструментов (только направление), общая таблица рисков, повестка вторичного обсуждения. Версия "Теплый желтый 1.0". Отчет содержит только риски и логику, не продвигает конкретные продукты.

машинный переводПоказать оригиналСкрыть оригинал«养老与传承标准化风险分析报告生成 Skill。读取一份结构化的养老与传承面谈纪要,一键产出标准化风险评估报告:家庭架构图(Pillow 生成…»

养老与传承标准化风险分析报告生成 Skill。读取一份结构化的养老与传承面谈纪要,一键产出标准化风险评估报告:家庭架构图(Pillow 生成 PNG,虚线框留白)、人·权·财三主线分析(普通家庭)或"两道防火墙"(特殊需要子女家庭)、基本信息与资产盘点表、资金与意愿表、P0-P3 风险排序 + 五角度交叉分析、法律释义出处、工具矩阵(只给方向)、风险盘点总表、二次沟通议程。暖黄 1.0 版。报告只讲风险与逻辑,不推具体产品。

ClawHub Agent Skills автор: hukaiyi777 v0.1.2 MIT-0 7 файлов тело ≈ 1 093 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык генерации стандартизированного отчета об анализе рисков в области пенсионного обеспечения и наследования.

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
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: 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 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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1093 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

  • +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 214 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This skill coherently generates local pension and inheritance risk reports, with disclosed sensitive-data handling risks users should manage.
LLM: benign (high) · VirusTotal: · 18 авг. 2026 г.