SKILLEMALL.ai

BC feishu-task-agent

Навык для управления задачами в Lark. Объединяет запросы на создание задач, отслеживание прогресса, обработку незавершенных задач, регистрацию агента и создание отчетов `daily.json` из последних сводок. Используйте этот навык, когда: (1) Пользователь просит создать задачу, пункт для выполнения, задание или периодическую задачу. (2) Система проверяет незавершенные задачи и нужно выбрать и выполнить одну. (3) Пользователь упоминает «агента задач Lark» и просит зарегистрировать его или инициализировать. (4) Пользователь просит создать, обновить или получить `daily.json` из последней сводки.

машинный переводПоказать оригиналСкрыть оригинал«飞书任务总入口技能。用于统一处理四类请求:一是把行动项、交付物、跟进项、拆解请求和周期性请求编排为飞书任务;二是处理未开始任务的轮询筛选与执…»

飞书任务总入口技能。用于统一处理四类请求:一是把行动项、交付物、跟进项、拆解请求和周期性请求编排为飞书任务;二是处理未开始任务的轮询筛选与执行;三是处理“飞书任务智能体”明确注册或初始化请求;四是把当前应用内最新日报提炼成 `daily.json`。 当以下情况时使用本 Skill: (1) 用户明确要求创建任务、待办、to-do、跟进项、拆解任务或周期任务 (2) 当前输入来自 `get-agent-unfinished-tasks` 轮询,需要筛选并执行未开始任务 (3) 用户明确提到“飞书任务智能体”且要求注册、`/reg` 或初始化 (4) 用户要求生成、刷新或更新 `daily.json`,或要求从最新日报提炼“近期要点”“明日关注”

ClawHub Agent Skills автор: tengchengwei v1.0.0 MIT-0 16 файлов тело ≈ 268 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык для управления задачами в Lark.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 16. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 14
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 268 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
  • -46 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 327 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 14 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This Feishu task skill is mostly purpose-aligned, but it installs persistent automation and broad workspace routing behavior that should be reviewed before use.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.