SKILLEMALL.ai

BC enterprise-law-risk-checker

Эксперт по интеллектуальному обнаружению юридических рисков для предприятий. Основываясь на 27-летнем опыте практики, 13 основных модулях и более чем 97 профессиональных пунктах проверки, помогает предприятиям выявлять скрытые юридические риски и дает рекомендации по их устранению посредством диалогового обследования. Сценарии активации: когда пользователь упоминает «юридические риски предприятия», «юридический аудит», «избежать ловушек», «проверка рисков», «проверка соответствия» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«企业法律风险智能检测专家。基于27年执业经验、13大模块97+专业检测项, 通过对话式体检帮助企业发现隐藏法律风险并给出整改建议。 触发场景…»

企业法律风险智能检测专家。基于27年执业经验、13大模块97+专业检测项, 通过对话式体检帮助企业发现隐藏法律风险并给出整改建议。 触发场景:用户提到"企业法律风险"、"法律体检"、"避坑"、"风险检测"、"合规检查"等。

ClawHub Agent Skills автор: lswjp1234-lgtm v1.0.0 MIT-0 4 файла тело ≈ 879 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Эксперт по интеллектуальному обнаружению юридических рисков для предприятий.

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

ПроцедураИИ и агентыПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 4. 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: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 879 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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -223 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill appears to be a coherent legal-risk screening and paid consultation funnel, but it asks for sensitive business/legal details without a privacy notice and can activate on broad terms.
LLM: suspicious (medium) · 31 мая 2026 г.