SKILLEMALL.ai
GitHub ↗ EN Войти

AB ledger-project-expense-entry

Записывайте сообщения о расходах по проекту на естественном языке в файл ledger JSONL. Используйте, когда пользователь напрямую отправляет "项目+支出" (например, "OpenClaw сервер 89"), хочет быстро внести запись в книгу учета или просит добавить расходы по проекту. По умолчанию используются расходы и юани, если пользователь явно не указал иное.

машинный переводПоказать оригиналСкрыть оригинал«Record natural-language project expense messages into ledger JSONL. Us…»

Record natural-language project expense messages into ledger JSONL. Use when user sends "项目+支出" directly (e.g., "OpenClaw 服务器 89"), wants quick记账, or asks to append project spending. Default to expense and CNY unless user explicitly says otherwise.

ClawHub Agent Skills автор: shing19 v1.0.0 MIT-0 2 файла тело ≈ 522 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Записывайте сообщения о расходах по проекту на естественном языке в файл ledger JSONL.

Как процесс B 69/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

СправочникИнфраструктуратип 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
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Входы и предусловия вес 11
30
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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 69/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Ошибки и развилки. Развилок: 9
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 522 токенов

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 248 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a coherent local bookkeeping skill that appends disclosed ledger entries, with manageable risk from terse inputs and lack of a mandatory confirmation step.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.