SKILLEMALL.ai

BD jclaw-smart-web-monitor

Умный веб-монитор с ИИ-подбором. В отличие от мониторов на основе ключевых слов/регулярных выражений, этот навык использует собственное логическое мышление LLM агента для оценки соответствия веб-страницы вашему условию — обеспечивая мониторинг на естественном языке, например «Есть ли новые вакансии по управлению рисками? Исключить стажировку». Поддерживает ключевые слова/регулярные выражения/CSS/JSONPath для простых случаев и LLM для интеллектуального сопоставления. Активируется по: monitor website, watch page, check for changes, web monitor, smart monitor, 监控网页, 网页变化检测, 职位监控. Требуется: Python 3, openclaw cron.

машинный переводПоказать оригиналСкрыть оригинал«Smart web monitor with AI-powered matching. Unlike keyword/regex monit…»

Smart web monitor with AI-powered matching. Unlike keyword/regex monitors, this skill uses the agent's own LLM reasoning to evaluate whether a web page matches your condition — enabling natural language monitoring like '是否有新的风控岗位?排除实习'. Supports keyword/regex/CSS/JSONPath for simple cases, and LLM for intelligent matching. Triggers on: monitor website, watch page, check for changes, web monitor, smart monitor, 监控网页, 网页变化检测, 职位监控. Requires: Python 3, openclaw cron.

ClawHub Agent Skills автор: Skywalker326 v1.0.0 MIT-0 6 файлов тело ≈ 1 148 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Умный веб-монитор с ИИ-подбором.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

  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 49/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1148 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 468 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This is a coherent web-monitoring skill, but users should avoid pointing its LLM mode at sensitive or private pages.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.