SKILLEMALL.ai

AB introduction-stepwise-reviser

Перерабатывайте разделы введения англоязычных исследовательских статей с помощью пошагового чек-листа, основанного на p2: установите значимость, синтезируйте предыдущие/текущие исследования, сформулируйте пробел/проблему/возможность, изложите текущую работу и сохраните два файла Markdown. Используйте, когда пользователь просит отполировать, переписать, проверить или улучшить полные абзацы введения на английском языке, сохраняя при этом черновик каждого шага, причины и подробные примеры.

машинный переводПоказать оригиналСкрыть оригинал«Revise English research paper Introduction sections with a p2-derived,…»

Revise English research paper Introduction sections with a p2-derived, step-by-step checklist: establish significance, synthesize previous/current research, articulate the gap/problem/opportunity, state the present work, and save two Markdown files. Use when the user asks to polish, rewrite, check, or improve full English Introduction paragraphs while preserving every step's revised draft, reasons, and rich examples.

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 3 файла тело ≈ 1 409 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Перерабатывайте разделы введения англоязычных исследовательских статей с помощью пошагового чек-листа, основанного на p2: установите значимость, синтезируйте…

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ШаблонИнфраструктуратип 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
66/100
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 66/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 5
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1409 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 420 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 22 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 is a coherent writing-assistance skill that creates disclosed Markdown revision outputs and shows no hidden execution, credential use, or unrelated data access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.