SKILLEMALL.ai

AB introduction-language-flow-reviser

Перерабатывает полные разделы введения англоязычных научных статей, используя контрольный список языка и письма на основе p3 для выбора времен глаголов, связности предложений, переходных сигналов, выбора пассивного/активного залога и структурирования абзацев. Используйте, когда пользователь просит отполировать, переписать, проверить или улучшить вводные абзацы шаг за шагом, сохраняя переработанный черновик каждого шага, причины и подробные примеры, а также сохраняя два вывода в формате Markdown.

машинный переводПоказать оригиналСкрыть оригинал«Revise complete English research-paper Introduction sections using a p…»

Revise complete English research-paper Introduction sections using a p3-derived language-and-writing checklist for verb tense choices, sentence linkage, transition signals, passive/active choices, and paragraphing. Use when the user asks to polish, rewrite, check, or improve Introduction paragraphs step by step while preserving each step's revised draft, reasons, and rich examples, and saving two Markdown outputs.

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 3 файла тело ≈ 1 677 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Перерабатывает полные разделы введения англоязычных научных статей, используя контрольный список языка и письма на основе p3 для выбора времен глаголов…

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 70Ошибки и развилки. Развилок: 5
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 27
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1677 токенов

    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 417 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This academic writing skill is coherent and only creates clearly described Markdown output files, with no hidden code, credential use, or external access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.