SKILLEMALL.ai

AB feishu-knowledge-ingest

Пакетная обработка папок Feishu и отдельных вложений в артефакты знаний с отчетами. Используйте, когда ChatGPT необходимо прочитать каталог Feishu или отдельный общий файл, классифицировать файлы, извлечь текст из поддерживаемых вложений и создать ingest-report.md, kb-items.jsonl, failed-items.jsonl и memory.candidate.md без прямого написания memory.md. Лучше всего подходит для обучения на основе знаний Feishu, изучения каталогов, обработки политик/руководств и контролируемых рабочих процессов парсинга docx/pdf.

машинный переводПоказать оригиналСкрыть оригинал«batch ingest feishu folders and single attachments into report-first k…»

batch ingest feishu folders and single attachments into report-first knowledge artifacts. use when chatgpt needs to read a feishu directory or a single shared file, classify files, extract text from supported attachments, and produce ingest-report.md, kb-items.jsonl, failed-items.jsonl, and memory.candidate.md without directly writing memory.md. best for feishu knowledge training, directory learning, policy/manual ingestion, and controlled docx/pdf parsing workflows.

ClawHub Agent Skills автор: kaiasdobi v1.0.0 MIT-0 11 файлов тело ≈ 972 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Пакетная обработка папок Feishu и отдельных вложений в артефакты знаний с отчетами.

Как процесс B 78/100 · Почти готов — слабые места: повторный запуск

ГенераторWordДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Повторный запуск вес 4
30
Когда включается вес 12
50
Ошибки и развилки вес 10
55
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: 11. 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 78/100

    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 91
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 972 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 471 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 91 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a disclosed local document-ingestion helper with dependency and capability-limit cautions, but no evidence of hidden, destructive, or exfiltrating behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.