SKILLEMALL.ai

AC feishu-public-table-monitor

Мониторинг общедоступных разделов Wiki/документов Feishu на наличие таблиц цен или моделей, обнаружение изменений в дате версии, добавлении/удалении моделей, изменениях коэффициентов и цен, а также вывод уведомлений об изменениях, подходящих для Telegram/Markdown. Применяется в сценариях, когда пользователи требуют мониторинга общедоступных таблиц Feishu, прайс-листов, списков моделей, таблиц коэффициентов, изменений в списках продуктов и отправки уведомлений.

машинный переводПоказать оригиналСкрыть оригинал«监控公开可访问的飞书 Wiki/文档中指定章节下的价格表或模型表,检测版本日期、模型新增/删除、倍率与价格变化,并输出适合 Telegram…»

监控公开可访问的飞书 Wiki/文档中指定章节下的价格表或模型表,检测版本日期、模型新增/删除、倍率与价格变化,并输出适合 Telegram/Markdown 的变更通知。适用于用户要求监控公开飞书表格、价格表、模型列表、倍率表、产品清单变动并推送提醒的场景。

ClawHub Agent Skills автор: quqi1599 v1.0.4 MIT-0 3 файла тело ≈ 370 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Мониторинг общедоступных разделов Wiki/документов Feishu на наличие таблиц цен или моделей, обнаружение изменений в дате версии, добавлении/удалении моделей…

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

СправочникTelegramИнфраструктуратип 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: 3. 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")

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: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 370 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 130 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This skill does what it says: it fetches a user-supplied public Feishu/Lark page, compares table snapshots, and stores local baseline files for change detection.
LLM: benign (high) · VirusTotal: · 10 июн. 2026 г.