SKILLEMALL.ai

BD fluidgraph

Решение задач и анализ надежности детерминированных сетей трубопроводов. На основе топологии сети, напора насосов и потребностей в нагрузке рассчитывает давление в узлах, расход и скорость потока в трубах, потери давления, определяет, удовлетворяются ли требования каждой нагрузки, и объясняет причины сбоев. Поддерживает последовательные/параллельные древовидные сети и рабочие режимы клапанов; для кольцевых сетей возвращает supported=false без подделки данных. Не требует API Key, никаких внешних зависимостей.

машинный переводПоказать оригиналСкрыть оригинал«确定性流体网络求解与可靠性分析。给定管网拓扑、泵压与负载需求,计算节点压力、 管路流量与流速、压力损失,判定每个负载是否满足要求,并给出可解…»

确定性流体网络求解与可靠性分析。给定管网拓扑、泵压与负载需求,计算节点压力、 管路流量与流速、压力损失,判定每个负载是否满足要求,并给出可解释的失败原因。 支持串联/并联树状网络与阀门工况;遇到闭环网络会如实返回 supported=false 而不编造数值。无需任何 API Key,零外部依赖。

ClawHub Agent Skills автор: 李超 v1.0.0 MIT-0 29 файлов тело ≈ 2 912 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Решение задач и анализ надежности детерминированных сетей трубопроводов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 29. 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: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2912 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
  • -214 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 149 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (13 блоков кода)

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

Внешние проверки

ClawHub: suspicious
The skill mostly does what it claims, but its file-path input can read arbitrary local files despite documenting a whitelist, so it should be reviewed before use.
LLM: suspicious (high) · 14 сент. 2026 г.