SKILLEMALL.ai
GitHub ↗ EN Войти

BF gee-dataset-intelligence

Поиск, фильтрация, сравнение, рекомендация и объяснение общедоступных данных Google Earth Engine

машинный переводПоказать оригиналСкрыть оригинал«Search, filter, compare, recommend, and explain Google Earth Engine pu…»

Search, filter, compare, recommend, and explain Google Earth Engine public

ClawHub Agent Skills автор: ruiduobao v5.0.1 MIT-0 27 файлов тело ≈ 2 291 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Поиск, фильтрация, сравнение, рекомендация и объяснение общедоступных данных Google Earth Engine

Как процесс F 38/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/catalog.jsonl.gz, assets/catalog.jsonl.xz.base64.txt, assets/catalog-summary.tsv

ПроцедураДанные и аналитикатип 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
B
79/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
56
Прогон на моделях
не было
Процессный рейтинг
F
38/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/catalog.jsonl.gz, assets/catalog.jsonl.xz.base64.txt, assets/catalog-summary.tsv
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
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. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Секреты в коде secret-high-entropy-token assets/manifest.json:16
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "CIES…ids",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token assets/manifest.json:17
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "CIES…unt",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token assets/manifest.json:18
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "CIES…ity",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token assets/manifest.json:19
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "CIES…unt",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token assets/manifest.json:20
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "CIES…ity",
    в кавычках

Просканировано файлов: 26. 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 missing-ref ссылка на отсутствующий файл: assets/catalog.jsonl.gz
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/catalog.jsonl.xz.base64.txt
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/catalog-summary.tsv
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/audit-overrides.json

Процессный рейтинг: все десять параметров 38/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/catalog.jsonl.gz, assets/catalog.jsonl.xz.base64.txt, assets/catalog-summary.tsv
  • 0Инструменты и файлы. Не хватает 4 файла(ов): assets/catalog.jsonl.gz, assets/catalog.jsonl.xz.base64.txt, assets/catalog-summary.tsv
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (gee-dataset-intelligence) не совпадает с папкой (geoskill-gee-dataset-intel-v1-final)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 14
  • 100Стоимость исполнения. Тело инструкции 2291 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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 74: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -32 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.

Внешние проверки

ClawHub: suspicious
The skill mostly fits its GEE dataset-search purpose, but it needs Review because it ships hardcoded fallback credentials and under-discloses some external lookup and credential behavior.
LLM: suspicious (high) · 1 авг. 2026 г.