SKILLEMALL.ai

BC paperpass-de-duplication

На основе отчета о проверке на плагиат PaperPass, интеллектуально переписывает абзацы с отмеченной процентной схожестью, превращая высоко повторяющийся текст в низко повторяющееся оригинальное выражение. Применимые сценарии: когда пользователь загрузил отчет о проверке на плагиат PaperPass (PDF или текст) и нуждается в снижении уровня повторов в своей работе. Примечание: этот навык предназначен только для "проверки на текстовые повторы/плагиат", а не для коэффициента AIGC (для коэффициента AIGC используйте навык humanizer-academic-zh).

машинный переводПоказать оригиналСкрыть оригинал«根据 PaperPass 查重报告,对论文中标注了相似度百分比的段落进行智能降重改写,将高重复文字转化为低重复原创表达。适用场景:用户上传了…»

根据 PaperPass 查重报告,对论文中标注了相似度百分比的段落进行智能降重改写,将高重复文字转化为低重复原创表达。适用场景:用户上传了 PaperPass 查重报告(PDF 或文本),需要降低论文重复率时使用。注意:本技能只针对「文字重复/抄袭检测」,不针对 AIGC 率(AIGC 率请用 humanizer-academic-zh skill)。

ClawHub Agent Skills автор: lzgztth-debug v1.0.0 MIT-0 2 файла тело ≈ 480 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

На основе отчета о проверке на плагиат PaperPass, интеллектуально переписывает абзацы с отмеченной процентной схожестью, превращая высоко повторяющийся текст…

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

СправочникИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 2. 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: 43
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 480 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 178 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This text-only skill does not appear to run code or steal data, but it is designed to help lower plagiarism-check similarity scores on academic papers.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.