SKILLEMALL.ai
GitHub ↗ EN Войти

BC daxiang-daily-report

Генерирует ежедневные отчеты об анализе коммуникаций в Elephant (инструмент обмена мгновенными сообщениями). Автоматически суммирует личные и групповые сообщения, анализирует частоту общения по временным интервалам, определяет активных контактов и генерирует структурированные сводки общения. Используется, когда пользователь упоминает «大象日报», «沟通日报», «每日沟通», «daxiang report», «沟通汇总».

машинный переводПоказать оригиналСкрыть оригинал«生成大象（即时通讯工具）每日沟通分析报告。自动汇总个人对话、群聊消息，按时间段分析沟通频率，识别活跃联系人，生成结构化的沟通摘要。使用场景：…»

生成大象（即时通讯工具）每日沟通分析报告。自动汇总个人对话、群聊消息，按时间段分析沟通频率，识别活跃联系人，生成结构化的沟通摘要。使用场景：用户提及'大象日报'、'沟通日报'、'每日沟通'、'daxiang report'、'沟通汇总'时触发。

ClawHub Agent Skills автор: kindhf v1.0.5 MIT-0 6 файлов · 1 скрипт тело ≈ 271 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Генерирует ежедневные отчеты об анализе коммуникаций в Elephant (инструмент обмена мгновенными сообщениями).

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

ПроцедураДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
69
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-cron-mention README.md:78
    Упоминание редактирования crontab
    crontab -e
  • низкая Опасные команды cmd-cron-mention README.md:123
    Упоминание редактирования crontab
    crontab -e
  • низкая Опасные команды cmd-cron-mention README.md:323
    Упоминание редактирования crontab (определение детектора / чёрного списка)
    2. 检查 crontab 配置：`crontab -l`
    детектор

Просканировано файлов: 6. 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: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 271 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
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 122 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This skill does what it claims, but it can automatically collect, cache, and reproduce sensitive workplace chat messages with weak consent, scoping, and retention controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.