SKILLEMALL.ai
GitHub ↗ EN Войти

CC ct-samplesize

Инструмент для расчета размера выборки и мощности для специалистов, занимающихся клиническими испытаниями. Не требуется локальная установка R — облачный сервис вычислений R охватывает все 49 типов тестов и возвращает графики SVG, пригодные для публикации. Управляется естественным языком; по умолчанию возвращается полный воспроизводимый код R; вывод по умолчанию на китайском или английском языке в зависимости от настроек языка ОС (можно принудительно переключить с помощью подсказки).

машинный переводПоказать оригиналСкрыть оригинал«Sample size and power calculation tool for clinical trial practitioner…»

Sample size and power calculation tool for clinical trial practitioners. No local R install needed — a cloud R compute service covers all 49 test types and returns publication-grade SVG figures. Natural-language driven; full reproducible R code is returned by default; default output in Chinese or English per OS language setting (prompt can force-switch). / 为临床试验从业者提供的样本量与检验效能计算工具。本地无需安装 R，直接提供云端 R 计算服务（覆盖 49 种检验，并提供 SVG 出版级别图形）。自然语言驱动，默认回传完整 R 代码；默认按操作系统语言设定输出中文或英文（提示词可强制切换）。

ClawHub Agent Skills автор: Wintone Zhang v5.8.0 MIT-0 66 файлов · 27 скриптов тело ≈ 5 570 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Инструмент для расчета размера выборки и мощности для специалистов, занимающихся клиническими испытаниями.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураPowerPointWordДанные и аналитикаИИ и агентыРазработкатип 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
C
80/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • низкая Обфускация obf-base64-blob adapters/bug_report.py:72
    Длинный blob, похожий на base64 (определение детектора / чёрного списка)
    "Bg1n…XQs
    детектор
  • низкая Обфускация obf-base64-blob adapters/coze_token_embedded.py:35
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    "Bg1n…IEU
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token CHANGELOG.md:66
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    python http-service，用原 appId `wbap…D3C` 覆盖发布，
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:41
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | appId | `wbap…D3C` |
    таблица

Просканировано файлов: 66. 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")
  • предупреждение body-long тело SKILL.md ≈ 5570 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "cn_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "invocable"
  • заметка frontmatter-key неизвестное поле фронтматтера "required_commands"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 95, 102): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 59/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 25, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5570 токенов
  • 85Шаги. Шагов: 21, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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
  • -311 из 20 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 480 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Справочные файлы упоминаются в инструкциях (14 из 24)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: suspicious
This is a mostly disclosed cloud sample-size calculator, but it needs review because it sends sensitive trial-design parameters to preapproved cloud services and trusts remote response content too broadly.
LLM: suspicious (high) · 9 окт. 2026 г.