SKILLEMALL.ai
GitHub ↗ EN Войти

AC case-extraction

Навык извлечения кейсов. Согласно методологии SPAS «Извлечение лучших практик», извлекает предоставленные пользователем чаты (.txt/.docx) или устный опыт в структурированный документ Word. Триггерные слова: помоги извлечь кейс, систематизировать лучшие практики, оформить этот опыт, извлечение кейса, оформить диалог как кейс.

машинный переводПоказать оригиналСкрыть оригинал«案例萃取技能。根据《最佳实践萃取》SPAS方法论，将用户提供的聊天记录(.txt/.docx)或口述经验萃取为结构化Word案例文档。触发词…»

案例萃取技能。根据《最佳实践萃取》SPAS方法论，将用户提供的聊天记录(.txt/.docx)或口述经验萃取为结构化Word案例文档。触发词：帮我萃取案例、整理最佳实践、把这个经验结构化、案例萃取、把对话写成案例。

ClawHub Agent Skills автор: DayuCyrus v1.2.0 MIT-0 6 файлов тело ≈ 1 027 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык извлечения кейсов.

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

ПроцедураWordИнфраструктуратип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
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

    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: 6. 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 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: 45
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1027 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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)
    • +3Длина description 107: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях

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

    Внешние проверки

    ClawHub: suspicious
    This case-extraction skill is aligned with its stated purpose, but it can persist sensitive chat content in predictable local files without enough warning or user control.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.