SKILLEMALL.ai

AB discussion-cohesion-diagnosis

Диагностика связности в разделе «Обсуждение» психологической научной статьи на английском языке. Охватывает как (1) связующие элементы локального уровня — коннекторы, цепочки ссылок, цитирование как связующее звено — так и (2) связность глобального уровня — нарративную нить, основную мысль, навигационные указатели. Активируется по запросам «проверить связность обсуждения», «связано ли мое обсуждение», «Discussion 衔接», «проверка нарративного потока» и т. д. НЕ генерирует и НЕ переписывает текст.

машинный переводПоказать оригиналСкрыть оригинал«Diagnose cohesion in the Discussion of an English psychology research…»

Diagnose cohesion in the Discussion of an English psychology research paper. Covers both (1) local-level cohesion devices — connectives, reference chains, citation as glue — and (2) global-level narrative thread — forward-moving wrap, take-home message, navigational signposting. Triggers on "check Discussion cohesion", "is my discussion connected", "Discussion 衔接", "narrative flow check", etc. Does NOT generate or rewrite prose.

ClawHub Agent Skills автор: laninga v1.0.0 MIT-0 11 файлов тело ≈ 912 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Диагностика связности в разделе «Обсуждение» психологической научной статьи на английском языке.

Как процесс B 65/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

АнализаторИнфраструктураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 11. 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 65/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 912 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 432 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

Внешние проверки

ClawHub: clean
This is a low-risk academic writing diagnostic skill with no code execution, privileged access, persistence, or hidden data handling.
LLM: benign (high) · VirusTotal: · 24 авг. 2026 г.