SKILLEMALL.ai

AC xwlb-daily-intel

Поиск и анализ материалов «Новостей» CCTV за определенный день или за сегодня: получение официальных текстовых расшифровок с сайта CCTV (первичный источник), формирование отчета по разведданным в фиксированном формате — ключевое резюме → пять категорий (политика/правительство, макроэкономика/промышленность, жизнь/общество, международные новости) → анализ потенциального влияния → сигналы для дальнейшего наблюдения, с четким разделением фактов и мнений и указанием достоверности источника по каждому пункту. Используйте этот навык, когда пользователь говорит «утренний брифинг», «анализ вчерашних/сегодняшних новостей», «отчет по новостям», «о чем говорили в новостях», или когда срабатывает запланированное ежедневное задание; также используйте его, чтобы узнать о политике, макроэкономических тенденциях и международных новостях, освещаемых CCTV. Встроенный скрипт без зависимостей напрямую получает данные со страницы сайта за указанный день (обходя защиту от парсинга на главной странице), полный анализ доступен после 20:00 того же дня.

машинный переводПоказать оригиналСкрыть оригинал«检索并分析央视《新闻联播》某一天或当日刚播出的内容:直采央视官网官方文字稿(第一信源),产出固定格式情报报告——核心摘要→五类要点(时政/政…»

检索并分析央视《新闻联播》某一天或当日刚播出的内容:直采央视官网官方文字稿(第一信源),产出固定格式情报报告——核心摘要→五类要点(时政/政策/宏观经济产业/民生/国际)→潜在影响推演→持续关注信号,事实与观点严格分区并逐条标注信源可信度。用户说"早报"、"分析昨天/今天的新闻联播"、"联播报告"、"新闻联播讲了什么",或定时任务每日触发时必须使用本技能;想了解央视头条政策、宏观动向、国际要闻时也用本技能。内置零依赖抓取脚本直取官网 day 日期页(绕过 index 页 JS 反爬),当日 20 点后即可全量分析。

ClawHub Agent Skills автор: Kwokfu v1.0.0 MIT-0 3 файла тело ≈ 719 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Поиск и анализ материалов «Новостей» CCTV за определенный день или за сегодня: получение официальных текстовых расшифровок с сайта CCTV (первичный источник)…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

  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: 3. 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 51/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 25
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 719 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

  • +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
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 260 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This skill fetches public CCTV news transcripts and helps turn them into a local report, with no evidence of hidden credential use, destructive behavior, or deceptive execution.
LLM: benign (high) · VirusTotal: · 15 сент. 2026 г.