SKILLEMALL.ai

AC mta-commuter

Пригородный транспорт Нью-Йорка: расписания LIRR, Metro-North и метро, планирование поездок и оповещения о работе. Используйте, когда пользователь спрашивает об отправлениях поездов, прибытиях, времени в пути, вариантах поездок или сбоях в работе. Также для планирования многоэтапных поездок между пунктами, поиска ближайших станций по всем системам, альтернатив конкретному поезду или оповещений о путях. Триггеры: "LIRR", "Metro-North", "MNR", "subway", "train schedule", "train times", "train home", "get me to", "how do I get to", "trip from", "alternatives", "track alert", "nearby stations", "commute", "train options", "service alerts", "MTA".

машинный переводПоказать оригиналСкрыть оригинал«NYC commuter transit: LIRR, Metro-North, and Subway schedules, trip pl…»

NYC commuter transit: LIRR, Metro-North, and Subway schedules, trip planning, and service alerts. Use when the user asks about train departures, arrivals, commute times, trip options, or service disruptions. Also for multi-leg trip planning between locations, finding nearby stations across all systems, alternatives to a specific train, or track alerts. Triggers on "LIRR", "Metro-North", "MNR", "subway", "train schedule", "train times", "train home", "get me to", "how do I get to", "trip from", "alternatives", "track alert", "nearby stations", "commute", "train options", "service alerts", "MTA".

ClawHub Agent Skills автор: Frankie Ottomanelli v1.0.0 MIT-0 25 файлов тело ≈ 1 427 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Пригородный транспорт Нью-Йорка: расписания LIRR, Metro-North и метро, планирование поездок и оповещения о работе.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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: 13. 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1427 токенов

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -35 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 14 примера фраз-триггеров в кавычках
    • +3Длина description 601 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (7 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This is a coherent MTA transit skill, but users should understand it can save home/work locations locally and create optional track-watch cron jobs.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.