SKILLEMALL.ai
GitHub ↗ EN Войти

BC cocktail-craft

Навык по рецептам и разработке коктейлей — официальные рецепты IBA (точные дозировки), история классических коктейлей, призовые рецепты конкурсов, фирменные напитки известных баров мира, методология разработки рецептов (шесть элементов / баланс вкусов), продвинутые техники (молочное отбеливание / медленное приготовление / настаивание / осветление / жировое отбеливание), домашние ингредиенты (биттеры / настойки / шрабы / кордиалы), руководство по обработке льда и украшению бокалов.

машинный переводПоказать оригиналСкрыть оригинал«鸡尾酒配方与研发技能——IBA 官方配方（精确用量）、经典鸡尾酒历史、比赛获奖配方、世界知名酒吧签名酒、配方设计方法论（六根配方/风味平衡）…»

鸡尾酒配方与研发技能——IBA 官方配方（精确用量）、经典鸡尾酒历史、比赛获奖配方、世界知名酒吧签名酒、配方设计方法论（六根配方/风味平衡）、进阶技法（奶洗/慢煮/浸泡/澄清/脂肪洗涤）、自制材料（bitters/tinctures/shrubs/cordials）、杯具装饰冰处理指南。

ClawHub Agent Skills автор: touri v1.0.0 MIT-0 16 файлов тело ≈ 515 токенов Открыть источникclawhub.ai↗ проанализирован 21 ч назад

Навык по рецептам и разработке коктейлей — официальные рецепты IBA (точные дозировки), история классических коктейлей, призовые рецепты конкурсов, фирменные…

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

ПроцедураДанные и аналитикаМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 16. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "trigger"
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 22): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

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: 12
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 515 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 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +4Справочные файлы упоминаются в инструкциях (11 из 11)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This appears to be a cocktail reference skill with no evidence of hidden code execution, credential access, exfiltration, or destructive behavior, though users should review installation commands and food/alcohol safety gaps.
LLM: benign (medium) · VirusTotal: · 28 мая 2026 г.