SKILLEMALL.ai

AC ecolink-batch-search

Массовый поиск в базе данных углеродного следа EcoLink (локальный режим). Встроенные данные CSV библиотек ecoinvent/CPCD/GHG факторов, локальный поиск нечетких совпадений, использование собственных возможностей LLM агента для перевода/разложения/рекомендации заменителей, генерация HTML-страницы предварительного просмотра для выбора пользователем с последующим экспортом в CSV. Активируется, когда пользователь запрашивает «массовый поиск углеродного следа», «массовый поиск факторов», «массовый поиск CPCD», «массовый поиск данных углеродного следа».

машинный переводПоказать оригиналСкрыть оригинал«EcoLink碳足迹数据库批量搜索(本地模式)。内置ecoinvent/CPCD/GHG因子库CSV数据,本地模糊匹配搜索,利用Agent自…»

EcoLink碳足迹数据库批量搜索(本地模式)。内置ecoinvent/CPCD/GHG因子库CSV数据,本地模糊匹配搜索,利用Agent自身LLM能力做翻译/分解/替代品推荐,生成HTML预览页面让用户勾选后导出CSV。当用户需要"批量搜索碳足迹"、"批量查因子"、"批量查CPCD"、"批量查碳足迹数据"时触发。

ClawHub Agent Skills автор: kakahilda v1.0.2 MIT-0 4 файла тело ≈ 1 626 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Массовый поиск в базе данных углеродного следа EcoLink (локальный режим).

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
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

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

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

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: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1626 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

  • +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
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 158 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This is a purpose-aligned local carbon-footprint search skill, with a documented file-based workflow and an optional remote LLM code path users should avoid unless intended.
LLM: benign (medium) · VirusTotal: · 9 июл. 2026 г.