SKILLEMALL.ai

AC mdt-consultation

MDT (междисциплинарная команда) — несколько агентов параллельно сотрудничают для выполнения сложных задач. Подобно MDT-консилиуму в больнице, для крупных/сложных/важных документов одновременно назначаются несколько специализированных агентов для параллельного анализа, после чего проводится комплексная оценка для получения высококачественного результата. Сценарии использования: (1) проверка перед подписанием важных контрактов (2) доработка важных официальных документов/речей руководителей (3) планирование контента для нескольких платформ в области брендинга (4) анализ крупных решений (5) оценка технических предложений (6) любые задачи, требующие многостороннего анализа. Триггерные слова: "MDT-консилиум", "междисциплинарный консилиум", "совместный анализ", "давайте посмотрим вместе", "комплексная оценка", "общий обзор", "провести консилиум".

машинный переводПоказать оригиналСкрыть оригинал«Agent MDT 多学科会诊——多个智能体并行协作完成复杂任务。类似医院MDT会诊,针对大事/难事/重要文件,同时派发多个专科agent并…»

Agent MDT 多学科会诊——多个智能体并行协作完成复杂任务。类似医院MDT会诊,针对大事/难事/重要文件,同时派发多个专科agent并行分析,最后综合研判出高质量输出。使用场景:(1) 重要合同签署前审查 (2) 重要公文/领导讲话稿打磨 (3) 品牌宣传多平台内容策划 (4) 重大决策分析 (5) 技术方案评审 (6) 任何需要多角度分析的任务。触发词:"MDT会诊"、"多学科会诊"、"联合分析"、"大家一起看"、"全面评审"、"综合审查"、"会诊一下"。

ClawHub Agent Skills автор: luaqnyin v1.1.0 MIT-0 5 файлов тело ≈ 730 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

MDT (междисциплинарная команда) — несколько агентов параллельно сотрудничают для выполнения сложных задач.

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

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 5. 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: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 730 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 234 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This skill appears useful for multi-agent consultation, but it may automatically retain sensitive consultation content without a clear consent or retention boundary.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.