SKILLEMALL.ai

AC paper-club-pilot

Используйте при подготовке, проведении или завершении собрания исследовательской группы / лабораторного семинара / книжного клуба — например, скажите «помогите нам подготовить групповое собрание», «рекомендуйте обязательное чтение на этой неделе», «сгенерируйте пакет материалов для семинара», «запишите обсуждение группового собрания», «обобщите групповое собрание после его завершения», «подготовка к книжному клубу». Активируется перед групповой сессией Tencent Meeting (рекомендации по чтению + набор для обсуждения), во время нее (захват обсуждения с помощью умных заметок) и после нее (обобщение в базу знаний). Наиболее частый сценарий академических встреч.

машинный переводПоказать оригиналСкрыть оригинал«Use when preparing for, running, or wrapping up a research group meeti…»

Use when preparing for, running, or wrapping up a research group meeting / lab seminar / reading club — e.g. says '帮我们准备组会'、'推荐本周必读'、'生成研讨材料包'、'记录组会讨论'、'会后代组会沉淀'、'paper club prep'. Triggers before a Tencent Meeting group session (recommend readings + discussion kit), during it (capture discussion via smart notes), and after it (distill into the academic knowledge base). The highest-frequency academic meeting scenario.

ClawHub Agent Skills автор: J-levee v2.0.1 MIT-0 4 файла тело ≈ 636 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте при подготовке, проведении или завершении собрания исследовательской группы / лабораторного семинара / книжного клуба — например, скажите…

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

ПроцедураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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

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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • 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 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: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 636 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
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 421 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed meeting-assistant workflow for academic group meetings, with privacy-sensitive meeting capture that appears purpose-aligned and user-authorized.
    LLM: benign (high) · VirusTotal: · 19 июл. 2026 г.