SKILLEMALL.ai

BD 科研技能鉴赏

Единый вход и маршрутизатор для научных навыков — обращайтесь сюда, если не знаете, какой научный навык использовать. Отобраны 13 научных навыков (включая этот), охватывающих поиск и загрузку литературы, личную базу знаний, преобразование CAJ в PDF, проверку цитирования, судебно-медицинскую экспертизу академической добросовестности, контроль групповых собраний, проверку новизны, навигацию по групповым собраниям, репетицию защиты диссертации, консультанта по методологии научных исследований, создание навыков и упрощение чтения ИИ. Каждый навык помечен «границы применения / что может делать / чего не может делать / стоит ли устанавливать», помогая ИИ и пользователю с первого взгляда определить, какой из них установить. Триггерные слова: научные навыки, поиск статей, поиск литературы, загрузка PDF, проверка цитирования, подлинность статьи, отзыв статьи, фабрика статей, база знаний, групповое собрание, защита диссертации, новизна, методология исследований, ключевые моменты, создание навыков, простое чтение навыков.

машинный переводПоказать оригиналСкрыть оригинал«科研技能总入口与路由——不知道用哪个科研技能时先来找它。精选 13 个科研技能(含本技能),覆盖文献检索与下载、个人知识库、CAJ 转 PD…»

科研技能总入口与路由——不知道用哪个科研技能时先来找它。精选 13 个科研技能(含本技能),覆盖文献检索与下载、个人知识库、CAJ 转 PDF、引用核查、学术诚信法医、组会把关、新颖性校验、组会领航、答辩演练、科研方法论谋士、技能锻造与 AI 易读化。每个技能都标注了「适用边界 / 能做什么 / 不能做什么 / 该不该装」,帮 AI 和用户一眼判断装哪个。触发词:科研技能、找论文、查文献、下载PDF、引用核查、文献真假、撤稿、论文工厂、知识库、组会、答辩、新颖性、研究方法论、卡点、造技能、技能易读。

ClawHub Agent Skills автор: J-levee v1.2.0 MIT-0 2 файла тело ≈ 2 220 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Единый вход и маршрутизатор для научных навыков — обращайтесь сюда, если не знаете, какой научный навык использовать.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИсследованияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (科研技能鉴赏) не совпадает с папкой (keji-skill-showcase)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 146
  • 100Стоимость исполнения. Тело инструкции 2220 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 252 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 146 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This is a lightweight research-skill directory that routes users to other skills, with broad triggers that may be noisy but no evidence of hidden execution, data access, or persistence.
LLM: benign (high) · VirusTotal: · 31 июл. 2026 г.