SKILLEMALL.ai

AC china-briefing

Генератор многомасштабных китайских информационных брифингов. Может генерировать брифинги для любого географического диапазона, от одной улицы до всего мира. Получает информацию из основных СМИ (Reuters/BBC/Синьхуа), уличных аккаунтов WeChat, социальных платформ (Weibo/Xiaohongshu/Douyin) и выдает структурированный результат. Сценарии использования: пользователь запрашивает "брифинг", "информация", "утренний брифинг", "вечерний брифинг", "еженедельный брифинг", "брифинг по XX", "информация по XX", "местные новости", "международные новости", "уличные новости" и т. д. Внешние зависимости: Python 3 (стандартная библиотека), получение данных через Tavily web_search + web_fetch. НЕ для: подписки на рассылки по электронной почте, стратегии управления рассылками.

машинный переводПоказать оригиналСкрыть оригинал«多尺度中文资讯简报生成。从一条街道到全球,任意地理范围均可生成。 从主流媒体(Reuters/BBC/新华社)、街道公众号、社交平台(微博/…»

多尺度中文资讯简报生成。从一条街道到全球,任意地理范围均可生成。 从主流媒体(Reuters/BBC/新华社)、街道公众号、社交平台(微博/小红书/抖音) 获取资讯,结构化输出。 使用场景:用户要求"简报"、"资讯"、"早报"、"晚报"、"周报"、"XX简报"、 "XX资讯"、"本地新闻"、"国际新闻"、"街道新闻"等。 外部依赖:Python 3(标准库),通过 Tavily web_search + web_fetch 获取数据。 NOT for: 邮件群发订阅、Newsletter运营策略。

ClawHub Agent Skills автор: Shine8592 v1.0.0 MIT-0 6 файлов тело ≈ 611 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Генератор многомасштабных китайских информационных брифингов.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

СправочникИнфраструктураТексты и документыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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: 6. 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 57/100

  • 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
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 611 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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 251 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese news-briefing skill that uses public web sources and a small helper script, with no evidence of hidden access, persistence, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.