SKILLEMALL.ai

AB nomtiq

Nomtiq 小饭票 — это персонализированный поиск ресторанов с локальной памятью о еде. Используйте, когда пользователь спрашивает, где поесть, хочет получить рекомендации по ресторанам поблизости, для свиданий, деловых встреч, семейных или одиночных ужинов, говорит 找餐厅、推荐餐厅、今晚吃什么、附近有什么好吃的, или хочет записать посещение ресторана и обновить локальный вкусовой профиль. Ищет в Amap в материковом Китае и Google Maps через Serper в других местах, затем дает 2+1 рекомендацию на основе вкуса, бюджета, местоположения, размера компании и повода. Память ограничена локальными предпочтениями и отзывами о ресторанах. Не используйте для рецептов, продуктов, отслеживания калорий или доставки еды.

машинный переводПоказать оригиналСкрыть оригинал«Nomtiq 小饭票 is a personalized restaurant finder with local dining memor…»

Nomtiq 小饭票 is a personalized restaurant finder with local dining memory. Use when the user asks where to eat, wants nearby restaurant recommendations, date-night, business, family or solo dining, says 找餐厅、推荐餐厅、今晚吃什么、附近有什么好吃的, or wants to record a restaurant visit and update a local taste profile. Searches Amap in mainland China and Google Maps via Serper elsewhere, then gives 2+1 recommendations based on taste, budget, location, party size and occasion. Memory is limited to local restaurant preferences and feedback. Do not use for recipes, groceries, calorie tracking or food delivery.

ClawHub Agent Skills автор: OakcoderX v0.5.2 MIT-0 19 файлов тело ≈ 1 100 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Nomtiq 小饭票 — это персонализированный поиск ресторанов с локальной памятью о еде.

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
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: 19. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 68/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 85Шаги. Шагов: 23, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1100 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -310 из 13 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 591 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This restaurant recommendation skill is mostly coherent and purpose-aligned, with some transparency gaps around optional search providers and local profile handling.
    LLM: benign (medium) · VirusTotal: · 17 июл. 2026 г.