SKILLEMALL.ai

BC academic-learning-assistant

Создание персонализированного учебного помощника по дисциплине и классу, поддержка математики, физики, химии, биологии, китайского языка, английского языка, истории, географии, информатики, инженерных технологий, медицины, экономики, литературы, менеджмента, искусства, сельского хозяйства и других дисциплин; используется, когда пользователю нужно создать учебного помощника по предмету, настроить учебный контент или спланировать учебный маршрут

машинный переводПоказать оригиналСкрыть оригинал«根据学科、年级生成个性化学习助理,支持数学、物理、化学、生物、语文、英语、历史、地理、计算机科学、工程技术、医学、经济学、文学、管理学、艺术…»

根据学科、年级生成个性化学习助理,支持数学、物理、化学、生物、语文、英语、历史、地理、计算机科学、工程技术、医学、经济学、文学、管理学、艺术学、农学等学科;当用户需要创建学科学习助手、定制教学内容或设计学习路径时使用

ClawHub Agent Skills автор: ludiansheng v1.0.2 MIT-0 20 файлов тело ≈ 1 171 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создание персонализированного учебного помощника по дисциплине и классу, поддержка математики, физики, химии, биологии, китайского языка, английского языка…

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

ПроцедураИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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: 20. 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: 108
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1171 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 108: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 108 пунктов
  • +4Справочные файлы упоминаются в инструкциях (18 из 18)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This is a Chinese-language educational skill for generating subject-specific learning assistants, with only Markdown reference content and no hidden privileged behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.