SKILLEMALL.ai

AD ai-medical-care-manager

Полный цикл амбулаторного лечения для конечных пользователей. Сначала проводится сортировка по симптомам и определение нужного отделения, затем рекомендуется топ-3 больницы/врача, после чего продолжается руководство по записи на прием, карта подготовки к визиту, автоматические напоминания, пост-медицинские разъяснения, а также планирование маршрута до больницы с помощью amap-lbs-skill.

машинный переводПоказать оригиналСкрыть оригинал«面向C端门诊就医全流程。先做症状分流和挂号科室判断,再推荐医院/医生 Top 3,并继续完成挂号引导、就医准备卡、自动提醒、诊后解释,以及基…»

面向C端门诊就医全流程。先做症状分流和挂号科室判断,再推荐医院/医生 Top 3,并继续完成挂号引导、就医准备卡、自动提醒、诊后解释,以及基于 amap-lbs-skill 的高德到院路线规划。

ClawHub Agent Skills автор: sunlinlin-aragon v1.0.1 MIT-0 15 файлов тело ≈ 1 374 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полный цикл амбулаторного лечения для конечных пользователей.

Как процесс D 49/100 · Процесс не доведён — 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
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: 15. 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (ai-medical-care-manager) не совпадает с папкой (ai-medical-care-manager-skill-amap-reminder-poster)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 98
  • 100Стоимость исполнения. Тело инструкции 1374 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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)
  • +3Длина description 97: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 98 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 7 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This medical-care skill is mostly coherent, but it needs review because it handles sensitive health and location data with weak consent controls and can produce unreliable doctor recommendations from a polluted dataset.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.