SKILLEMALL.ai

BC ai-content-collector

Инструмент для сканирования и сбора информации в сфере ИИ и автомобильной промышленности. Поиск и сбор последних новостей в сфере ИИ/автомобильной промышленности из указанных источников, систематизация в виде структурированной таблицы Excel. Охватывает: исследования и разработки, маркетинг, производство и операции, финансы и кадры, ИИ-инфраструктуру, возможности моделей, платформы разработки интеллектуальных агентов, безопасность ИИ. Триггеры: (1) сбор новостей, информации, данных в сфере ИИ/автомобильной промышленности (2) сканирование отраслевой информации (3) систематизация данных в Excel (4) еженедельные/ежедневные отчеты по информации.

машинный переводПоказать оригиналСкрыть оригинал«AI及汽车行业信息扫描收集工具。从指定渠道搜索和收集AI/汽车行业最新动态,整理为结构化Excel表格。覆盖:研发、营销、制造运营、财经人力…»

AI及汽车行业信息扫描收集工具。从指定渠道搜索和收集AI/汽车行业最新动态,整理为结构化Excel表格。覆盖:研发、营销、制造运营、财经人力、AI基础设施、模型能力、智能体开发平台、AI安全。触发:(1)收集AI/汽车行业动态、新闻、资讯 (2)扫描行业信息 (3)整理资料到Excel (4)信息周报/日报

ClawHub Agent Skills автор: rouclaw v1.10.1 MIT-0 3 файла тело ≈ 5 590 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент для сканирования и сбора информации в сфере ИИ и автомобильной промышленности.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
55
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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")
  • предупреждение body-long тело SKILL.md ≈ 5590 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"

Процессный рейтинг: все десять параметров 52/100

  • 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
  • 70Стоимость исполнения. Тело инструкции 5590 токенов
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 71
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 18. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -234 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 154 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 56 заголовков
  • +3Пошаговые инструкции: 71 пунктов
  • +4Есть примеры (31 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.

Внешние проверки

ClawHub: clean
This skill is a public-news collection workflow that creates spreadsheet reports, with no evidence of hidden data access, persistence, exfiltration, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.