SKILLEMALL.ai

AB Automation Workflow Helper

Превращает ваши еженедельные повторяющиеся задачи в автоматизированных ботов. Определяет возможности для высокоценной автоматизации, выбирает подходящий инструмент (Dify / Coze / n8n workflow или скрипты RPA с нулевым токеном), разрабатывает шаблоны процессов и рассчитывает ROI. Запускается, когда пользователь упоминает "automation", "repetitive tasks", "workflow", "efficiency", "save time", "bot", "RPA", "process automation", "automate" или просит автоматизировать повторяющиеся задачи в браузере/файлах.

машинный переводПоказать оригиналСкрыть оригинал«Turns your weekly repetitive tasks into automated bots. Identifies hig…»

Turns your weekly repetitive tasks into automated bots. Identifies high-value automation opportunities, picks the right tool (Dify / Coze / n8n workflow, or zero-Token RPA scripts), designs process templates, and calculates ROI. Triggered when the user mentions "automation", "repetitive tasks", "workflow", "efficiency", "save time", "bot", "RPA", "process automation", "automate", or asks to automate repetitive browser/file tasks.

ClawHub Agent Skills автор: laziobird v1.0.1 MIT-0 2 файла тело ≈ 5 565 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Превращает ваши еженедельные повторяющиеся задачи в автоматизированных ботов.

Как процесс B 65/100 · Почти готов — слабые места: согласованность, повторный запуск

ПроцедураZapierИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Повторный запуск вес 4
30
Согласованность вес 8
40
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение body-long тело SKILL.md ≈ 5565 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 65/100

  • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (Automation Workflow Helper) не совпадает с папкой (automation-workflow-helper)
  • 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 60Ошибки и развилки. Развилок: 2
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5565 токенов
  • 85Шаги. Шагов: 70, расплывчатых формулировок: 1
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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)
  • -231 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 7 примера фраз-триггеров в кавычках
  • +3Длина description 433 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 70 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (24 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This is a coherent automation guide, but it under-scopes guidance for saved login sessions, credentials, local files, and high-impact browser automation.
LLM: suspicious (high) · VirusTotal: benign · 28 мая 2026 г.