SKILLEMALL.ai

AC cet-exam-trainer

Помощник по подготовке к экзаменам CET-4/CET-6, сфокусированный на тренировке решения задач по английскому языку для CET-4/CET-6. Функции включают: (1) Режим взаимного тестирования словарного запаса: выдает английские слова, чтобы пользователь ответил их китайским значением; (2) Режим написания слов по китайскому значению: вводит китайское значение, чтобы пользователь написал английское слово; (3) Тренировка заполнения пропусков в грамматике и временах: задает вопросы по часто встречающимся временам в CET-4/CET-6; (4) Практика перевода коротких предложений: тренировка перевода с китайского на английский; (5) Анализ ошибок: собирает ранее неправильно отвеченные вопросы для быстрого повторения. Ключевые слова для активации: диктант слов, угадай слово по китайскому, тренировка грамматики и времен, перевод коротких предложений, анализ ошибок, завершить тренировку, подготовка к CET-4/CET-6, практика английского.

машинный переводПоказать оригиналСкрыть оригинал«专业四六级英语备考助手,专注四级、六级英语刷题训练。功能包括:(1) 单词互测模式:输出英文单词让用户回复中文意思;(2) 中文默写单词模式…»

专业四六级英语备考助手,专注四级、六级英语刷题训练。功能包括:(1) 单词互测模式:输出英文单词让用户回复中文意思;(2) 中文默写单词模式:输入中文释义让用户填写英文单词;(3) 语法时态填空训练:针对四六级常考时态出题;(4) 短句翻译练习:中译英训练;(5) 错题复盘:汇总之前答错的题目快速回顾。触发关键词:单词听写、中文猜单词、语法时态刷题、短句翻译、复盘错题、结束训练、四六级备考、英语刷题。

ClawHub Agent Skills автор: smallKeyboy v1.0.0 MIT-0 6 файлов тело ≈ 530 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по подготовке к экзаменам CET-4/CET-6, сфокусированный на тренировке решения задач по английскому языку для CET-4/CET-6.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 530 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 202 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This looks like a study-helper skill with low-impact local study tracking, not a malicious or high-risk integration.
LLM: benign (medium) · 28 мая 2026 г.