SKILLEMALL.ai

AA github-repo-guide-pdf

Анализирует URL репозитория GitHub или OWNER/REPO и создает руководство пользователя на китайском языке, сфокусированное на использовании проекта, а не на его реализации. Создает руководство в формате Markdown плюс PDF и отправляет его обратно с помощью MEDIA lines. Используйте, когда пользователь предоставляет репозиторий GitHub и просит руководство по использованию, введение, быстрое начало, полное руководство, учебник, научиться использовать его, или просит преобразовать репозиторий в PDF/руководство.

машинный переводПоказать оригиналСкрыть оригинал«Analyze a GitHub repository URL or OWNER/REPO and produce a Chinese us…»

Analyze a GitHub repository URL or OWNER/REPO and produce a Chinese user guide focused on how to use the project, not how it is implemented. Build a Markdown guide plus a PDF and send it back with MEDIA lines. Use when the user gives a GitHub repo and asks for usage, introduction, quick start, complete guide, tutorial, learn how to use it, or asks to turn the repo into a PDF/manual.

ClawHub Agent Skills автор: smile618 v1.0.1 MIT-0 3 файла тело ≈ 1 036 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализирует URL репозитория GitHub или OWNER/REPO и создает руководство пользователя на китайском языке, сфокусированное на использовании проекта, а не на его…

Как процесс A 86/100 · Дойдёт до конца — слабые места: отчётность по ходу

АнализаторGitHubРазработкаИнфраструктураОбучениетип 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
A
86/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
Когда включается вес 12
70
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: 3. 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 86/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 46
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1036 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

    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 385 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 46 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

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

    Внешние проверки

    ClawHub: clean
    This skill coherently turns a user-supplied GitHub repository into a Chinese Markdown/PDF guide, with expected GitHub access, local file output, and PDF-toolchain caveats.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.