SKILLEMALL.ai

AC book-analyst

Система интеллектуального анализа книг v1.1. Проводит многомерный глубокий анализ предоставленных пользователем книг (название, текст главы, заметки или выдержки из PDF): извлечение основного содержания, деконструкция структуры, идентификация ключевых концепций, поиск прикладной ценности, систематизация (рекомендации аналогичных книг), выдает отчет об анализе в двойном формате Markdown + HTML. Используется, когда пользователь запрашивает «проанализировать/разобрать/разложить книгу», сгенерировать отчет о чтении, краткое изложение сути книги, систематизацию контента в виде ментальной карты.

машинный переводПоказать оригиналСкрыть оригинал«图书智能解读系统 v1.1。对用户提供的图书(书名、章节文本、笔记或 PDF 摘录)进行多维度深度解读:核心内容提取、框架解构、关键概念识别…»

图书智能解读系统 v1.1。对用户提供的图书(书名、章节文本、笔记或 PDF 摘录)进行多维度深度解读:核心内容提取、框架解构、关键概念识别、应用价值挖掘、线头梳理(同类图书推荐),产出 Markdown + HTML 双格式解读报告。当用户要求"解读/分析/拆解某本书"、生成读书报告、书籍精华摘要、思维导图式内容梳理时使用本技能。

ClawHub Agent Skills автор: MongoliaTooop v1.1.0 MIT-0 4 файла тело ≈ 434 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Система интеллектуального анализа книг v1.1. Проводит многомерный глубокий анализ предоставленных пользователем книг (название, текст главы, заметки или…

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
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: 4. 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 "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "updated"

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: 24
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 434 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
  • +2Инструкции на одном языке
  • +3Длина description 167 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a Chinese-language book analysis template that creates local Markdown and HTML reports, with no executable code or hidden high-impact behavior found.
LLM: benign (high) · VirusTotal: · 3 сент. 2026 г.