SKILLEMALL.ai

AD wiki-framework-builder

Используйте после research-task-scope-definition или когда пользователь просит построить структуру отчета в консультационном стиле, оглавление отраслевого отчета, структуру исследования осуществимости, рамки выхода на рынок, структуру отчета о рейтинге/подтверждении, оглавление правительственного исследовательского отчета, структуру отчета о политике/консультации. Этот навык потребляет файл передачи данных task-scope JSON, выбирает и реорганизует инженерные исследовательские измерения, создает внешние структуры отчетов Word фиксированного формата, структуры отчетов Markdown и файлы коммуникации JSON, а также гарантирует, что внутренние маршруты L1-L5/D1-D8 не появляются в выходных данных для клиентов.

машинный переводПоказать оригиналСкрыть оригинал«在 research-task-scope-definition 之后使用,或当用户要求搭建咨询风格报告框架、行业报告大纲、可行性研究结构、…»

在 research-task-scope-definition 之后使用,或当用户要求搭建咨询风格报告框架、行业报告大纲、可行性研究结构、市场进入框架、排名/背书报告框架、政府研究报告大纲、政策/咨询报告结构时使用。本技能消费 task-scope JSON 交接文件,选择并重组工程化研究维度,产出固定格式的对外 Word 报告框架、Markdown 报告框架和 JSON 沟通文件,并确保内部 L1-L5/D1-D8 路由不出现在面向客户的输出中。

ClawHub Agent Skills автор: Leadleo v1.0.0 MIT-0 8 файлов тело ≈ 836 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Используйте после research-task-scope-definition или когда пользователь просит построить структуру отчета в консультационном стиле, оглавление отраслевого…

Как процесс D 46/100 · Процесс не доведён — 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
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 8. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 77
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 836 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 227 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 77 пунктов
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This skill is a coherent Chinese report-framework generator that reads a scoped JSON handoff and creates report outline deliverables without hidden network, credential, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 10 июл. 2026 г.