SKILLEMALL.ai

AC academic-paper-parse

Выполняет двойное глубокое чтение любой научной статьи, предоставленной в виде PDF-вложения или по URL. Используйте этот навык, когда пользователь запрашивает анализ, внимательное чтение, интерпретацию или резюмирование научной статьи. Создает два отчета за один проход: Часть А — строгий углубленный академический анализ для исследователей; Часть Б — изложение основной логики и существенной ценности для быстрого понимания.

машинный переводПоказать оригиналСкрыть оригинал«Perform a dual-mode deep reading of any academic paper provided as a P…»

Perform a dual-mode deep reading of any academic paper provided as a PDF attachment or URL. Use this skill when the user requests analysis, close reading, interpretation, or summarization of a scholarly paper. Produce two reports in a single pass: Part A is a rigorous in-depth academic analysis for researchers; Part B distills the core logic and essential value for rapid comprehension.

ClawHub Agent Skills автор: Sterlingfrank1 v1.2.0 MIT-0 4 файла тело ≈ 874 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Выполняет двойное глубокое чтение любой научной статьи, предоставленной в виде PDF-вложения или по URL.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторИсследованиятип 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
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Perform a dual-mode deep reading of any academic paper provided as… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "tools"
    • заметка frontmatter-key неизвестное поле фронтматтера "binaries"

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (academic-paper-parse) не совпадает с папкой (academic-paper-parse-en)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 14
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 874 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 388 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

    Внешние проверки

    ClawHub: clean
    This skill is a straightforward academic paper-reading workflow that processes a user-provided paper and produces a report.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.