SKILLEMALL.ai

AB property-developer-research

Исследует индонезийские проекты недвижимости и застройщиков, используя данные из Webwright/браузера. Используйте, когда пользователь просит исследовать недвижимость, жилой комплекс, законность застройщика, официальный сайт, Sikumbang, Sireng или сгенерировать отчет о проверке покупателя на основе названия объекта/застройщика.

машинный переводПоказать оригиналСкрыть оригинал«Research Indonesian property projects and developers using Webwright/b…»

Research Indonesian property projects and developers using Webwright/browser evidence. Use when the user asks to investigate a property, housing cluster, developer legality, official website, Sikumbang, Sireng, or generate a buyer due-diligence report from a property/developer name.

ClawHub Agent Skills автор: Okza Pradhana v1.0.0 MIT-0 2 файла тело ≈ 2 547 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Исследует индонезийские проекты недвижимости и застройщиков, используя данные из Webwright/браузера.

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

ПроцедураPlaywrightTelegramДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Результат и критерий готовности вес 14
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: 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 70/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 100, расплывчатых формулировок: 3
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2547 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (11 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 283 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 100 пунктов
    • +4Есть примеры (7 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This skill is a coherent property due-diligence workflow that uses public web research, browser screenshots, and local report generation without hidden or unrelated behavior.
    LLM: benign (high) · VirusTotal: · 25 июл. 2026 г.