SKILLEMALL.ai

AB gaokao-volunteer-risk-skill-cn-adaptive

Анализ общенациональных планов поступления в вузы Китая (gaokao 志愿填报). Используйте этот навык, когда пользователь просит оценить, ранжировать, переработать или сгенерировать варианты поступления в вузы на основе баллов, ранга, режима приема в конкретной провинции, требований к предметам, минимальных проходных баллов, соответствия специальности, ограничений по стоимости обучения и риска перевода на другую специальность. Этот навык автоматически извлекает общедоступные данные о приеме, когда это возможно, и адаптируется к провинциальным режимам приема (志愿模式).

машинный переводПоказать оригиналСкрыть оригинал«Analyze Chinese gaokao志愿填报 plans nationwide. Use this skill when a use…»

Analyze Chinese gaokao志愿填报 plans nationwide. Use this skill when a user asks to evaluate, rank, redesign, or generate college application choices based on score, rank, province-specific admission mode, subject requirements, line margins, major fit, tuition constraints, and transfer-major risk. This skill auto-retrieves public admission data whenever possible and adapts to province-specific志愿模式.

ClawHub Agent Skills автор: Lu v1.0.0 MIT-0 7 файлов тело ≈ 2 138 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ общенациональных планов поступления в вузы Китая (gaokao 志愿填报).

Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 71/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 148
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2138 токенов
    • 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 397 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 148 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (10 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only gaokao admissions planning skill whose data requests and web lookups fit its stated purpose.
    LLM: benign (high) · VirusTotal: · 28 июн. 2026 г.