SKILLEMALL.ai

BC wiki-intent-scope

Определение задач и решений для исследовательских проектов Wiki, когда пользователь предоставляет требования клиента, объект исследования (термин/ключевое слово), бизнес-намерение, требования к исследованию правительства/предприятия, проблемы выхода на рынок, требования к исследованию осуществимости, цели ранжирования/подтверждения или требования к отчету по политике/консультированию. Анализирует свободное изложение клиента, внутренне вызывает wiki-normalize, идентифицирует объект исследования, управленческие проблемы, намерение исследования, критерии исследования, риски и пункты, требующие подтверждения, и выводит сводку чата, читаемый человеком scope.md и машиночитаемый scope.json.

машинный переводПоказать оригиналСкрыть оригинал«当用户提供客户需求、研究对象(词条/主题词)、业务意图、政府/企业研究需求、市场进入问题、可行性研究需求、排名/背书目标或政策/咨询报告需求…»

当用户提供客户需求、研究对象(词条/主题词)、业务意图、政府/企业研究需求、市场进入问题、可行性研究需求、排名/背书目标或政策/咨询报告需求时,用于 Wiki 研究项目的任务与决策场景界定。解析客户自由表述,内部调用 wiki-normalize,识别研究对象、管理问题、研究意图、研究口径、风险和待确认项,并输出聊天摘要、人类可读的 scope.md 与机器可读的 scope.json。

ClawHub Agent Skills автор: Leadleo v1.0.0 MIT-0 6 файлов тело ≈ 969 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Определение задач и решений для исследовательских проектов Wiki, когда пользователь предоставляет требования клиента, объект исследования (термин/ключевое…

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

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 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: 70
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 969 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. 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

  • +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 195 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 70 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This appears to be a prompt-only research scoping helper with a broad trigger, but no evidence of malware, hidden execution, credential use, persistence, or data-changing behavior.
LLM: benign (medium) · VirusTotal: · 10 июл. 2026 г.