SKILLEMALL.ai

AC paper-workflow

Превратите существующие проектные активы в готовый к подаче научный документ. Используйте, когда задача включает согласование с CFP, определение объема доказательств, выбор аннотации, расширение плана, планирование иллюстраций, контроль качества в стиле рецензента, упаковку для подачи или архивирование после подачи. Координирует работу автора научных статей, валидатора статей и prompt-to-drawio.

машинный переводПоказать оригиналСкрыть оригинал«Turn existing project assets into a submission-ready academic paper. U…»

Turn existing project assets into a submission-ready academic paper. Use when the task involves CFP alignment, evidence scoping, abstract selection, outline expansion, figure planning, reviewer-style quality gates, submission packaging, or post-submission archiving. Coordinates academic-research-writer, paper-validator, and prompt-to-drawio.

ClawHub Agent Skills автор: Zhaofeng v0.1.0 MIT-0 6 файлов тело ≈ 1 420 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Превратите существующие проектные активы в готовый к подаче научный документ.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ПроцедураИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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: 6. 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 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Ошибки и развилки. Развилок: 2
    • 100Шаги. Шагов: 66
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1420 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 343 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 66 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only academic paper workflow skill with no hidden execution, persistence, credential handling, or destructive behavior found.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.