SKILLEMALL.ai
GitHub ↗ EN Войти

AC logseq-web-article

Получение контента статей по общим URL-адресам веб-страниц и вызов logseq-article-archive для организации, суммирования и архивирования контента. Вызывайте этот навык, когда пользователям нужно обработать веб-статьи и организовать их в Logseq.

машинный переводПоказать оригиналСкрыть оригинал«Fetch article content from general web page URLs, and call logseq-arti…»

Fetch article content from general web page URLs, and call logseq-article-archive to organize, summarize, and archive the content. Call this skill when users need to process web articles and organize them into Logseq.

ClawHub Agent Skills автор: HelloEric v1.0.1 MIT-0 2 файла тело ≈ 1 169 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Получение контента статей по общим URL-адресам веб-страниц и вызов logseq-article-archive для организации, суммирования и архивирования контента.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

ПроцедураТексты и документытип 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 2. 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 60/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда 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
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 58
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1169 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 217 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Есть примеры (6 блоков кода)

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

    Внешние проверки

    ClawHub: suspicious
    This skill does what it says, but it also tells the agent to automatically install an unpinned companion skill without a clear approval step.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.