SKILLEMALL.ai

AD gaosi-summer-review

Создайте структурированный план летнего повторения для серии соревновательных математических курсов 高思导引 (Gaosi Guide) для 4-6 классов, следуя его древовидной структуре знаний из 7 модулей. Этот навык следует использовать, когда пользователь просит создать план 高思导引 /小学数学暑假总复习, расписание повторения на основе древа знаний или количественную ежедневную таблицу打卡表 (отметок о выполнении) с маркировкой по уровням красный/желтый/синий и экспортом в PDF. Ключевые фразы включают 高思导引总复习, 暑假总复习计划, 按知识树复习, 高思打卡表.

машинный переводПоказать оригиналСкрыть оригинал«Build a structured summer review plan for the 高思导引 (Gaosi Guide) compe…»

Build a structured summer review plan for the 高思导引 (Gaosi Guide) competition-math series, grades 4-6, following its 7-module knowledge tree. This skill should be used when a user asks to create a 高思导引 / 小学数学暑假总复习 plan, a knowledge-tree-based review schedule, or a quantifiable daily 打卡表 (check-in sheet) with red/yellow/blue tier marking and PDF export. Trigger phrases include 高思导引总复习, 暑假总复习计划, 按知识树复习, 高思打卡表.

ClawHub Agent Skills автор: Shuolongbj v1.0.1 MIT-0 7 файлов тело ≈ 418 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создайте структурированный план летнего повторения для серии соревновательных математических курсов 高思导引 (Gaosi Guide) для 4-6 классов, следуя его древовидной…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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

    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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 46/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 418 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 410 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This is a coherent Chinese-language education-planning skill with a local PDF export helper and no evidence of hidden data access, persistence, exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.