SKILLEMALL.ai

AB meeting-prep-agent

Исследование перед встречей, составление повестки дня, ключевые тезисы и фиксация пунктов действий после встречи. Используйте при подготовке к встречам с клиентами, внутренним обзорам, презентациям для совета директоров, переговорам с поставщиками или брифингам для заинтересованных сторон. Создает структурированные сводки, повестки дня и последующие документы. НЕ для: планирования (используйте календарные инструменты), заметок о регулярных стендапах или встреч, где у вас нет информации об участниках или цели.

машинный переводПоказать оригиналСкрыть оригинал«Pre-meeting research, agenda generation, talking points, and post-meet…»

Pre-meeting research, agenda generation, talking points, and post-meeting action item capture. Use when preparing for client meetings, internal reviews, board presentations, vendor negotiations, or stakeholder briefings. Produces structured briefs, agendas, and follow-up documents. NOT for: scheduling (use calendar tools), recurring standup notes, or meetings where you have no context on participants or purpose.

ClawHub Agent Skills автор: samledger67-dotcom v1.0.0 MIT-0 2 файла тело ≈ 1 701 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Исследование перед встречей, составление повестки дня, ключевые тезисы и фиксация пунктов действий после встречи.

Как процесс B 78/100 · Почти готов — слабые места: согласованность, повторный запуск

ГенераторИнфраструктураИИ и агентыЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Повторный запуск вес 4
30
Согласованность вес 8
40
Когда включается вес 12
50
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Pre-meeting research, agenda generation, talking points, and post-… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 78/100

    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (meeting-prep-agent) не совпадает с папкой (pl-meeting-prep)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 41
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 1701 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 415 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

    Внешние проверки

    ClawHub: suspicious
    This is a coherent meeting-prep skill, but it can automatically read and store sensitive client, calendar, and financial context without clear opt-in or retention controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.