SKILLEMALL.ai

AB literature-helper

Поиск литературы и анализ одного PDF для академических исследований. Используйте, когда пользователь просит найти статьи по теме, автору, ключевому слову или последние статьи за последние пять лет; когда пользователь хочет двуязычные поисковые термины; когда пользователь загружает один PDF и запрашивает ключевые слова, резюме, методы, выводы, ограничения или ответы на вопросы, основанные на PDF.

машинный переводПоказать оригиналСкрыть оригинал«literature retrieval and single-pdf analysis for academic research. us…»

literature retrieval and single-pdf analysis for academic research. use when the user asks to find papers by topic, author, keyword, or latest papers in the last five years; when the user wants bilingual search terms; when the user uploads a single pdf and asks for keywords, summary, methods, findings, limitations, or question answering grounded in the pdf.

ClawHub Agent Skills автор: lyt0302 v1.0.0 MIT-0 3 файла тело ≈ 518 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Поиск литературы и анализ одного PDF для академических исследований.

Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

АнализаторИнфраструктураИсследованияТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
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: 3. 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 74/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 51
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 518 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 359 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 51 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a coherent ClawHub maintainer skill bundle, but it includes powerful disclosed workflows that can run full-access review agents, publish PR artifacts, and perform staff moderation actions.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.