SKILLEMALL.ai
GitHub ↗ EN Войти

AD tms-takecar

Помощник по вызову такси Tencent Mobility Services. Обрабатывает запросы типа «помоги мне вызвать такси», «я еду с работы, помоги вызвать такси», «я хочу поехать из Финансового центра Азии в штаб-квартиру Tencent». Ключевые слова: «такси», «вызвать такси», «доехать до [место]», «домой», «на работу», «с работы», «водитель», «заказ», «проверить заказ». Примечание: даже если пользователь явно не говорит «такси», следует активировать навык, если запрос касается поездки из пункта А в пункт Б, поездок на работу или выбора способа передвижения. Сценарии, не активирующие навык: разработка приложения для вызова такси, использование других навигационных приложений, заказ еды на вынос, проверка расписания автобусов, поиск акций/финансовых отчетов.

машинный переводПоказать оригиналСкрыть оригинал«腾讯出行服务叫车助手。处理“帮我叫车”“我下班了，帮我叫车”“我要从亚洲金融大厦去腾讯总部”这类请求。关键词："打车"、"叫车"、"去[地点…»

腾讯出行服务叫车助手。处理“帮我叫车”“我下班了，帮我叫车”“我要从亚洲金融大厦去腾讯总部”这类请求。关键词："打车"、"叫车"、"去[地点]"、"回家"、"上班"、"下班"、"司机"、"订单"、"查询订单"。注意：即使用户未明确说"打车"，只要涉及从A地到B地、通勤、或交通方式选择，都应触发。不触发场景：开发打车应用、使用其他导航app、订外卖、查公交时刻表、股票/财报查询。

ClawHub Agent Skills автор: 腾讯开源 v1.0.1 MIT-0 15 файлов тело ≈ 611 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Помощник по вызову такси Tencent Mobility Services.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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 41/100

  • 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 (tms-takecar) не совпадает с папкой (tencen-ride-skill)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 611 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
  • +4Нет примеров входа/выхода
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 190 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 10)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This ride-hailing skill is mostly coherent, but it can use a stored account token to book, cancel, and query real rides from broad everyday phrases, with sensitive location data persisted locally and weak confirmation boundaries in shortcut flows.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.