SKILLEMALL.ai

BC fill-job-application-info

Преобразует предоставленный пользователем текст резюме или файл резюме (PDF, DOCX, DOC, TXT, Markdown, а также распространенные экспортные таблицы) в структурированные данные кандидата, а затем заполняет эту информацию в форме регистрации на вакансию, анкете соискателя, на сайте по поиску работы или в системе ATS. Применяется для заполнения форм Word, Excel, CSV, PDF на основе резюме, или для пошагового заполнения форм при найме выпускников, найме опытных сотрудников, регистрации, проверки информации и исправлений в браузере; также применяется, когда пользователь явно просит сгенерировать информацию-заполнитель для демонстрации перед заполнением формы.

машинный переводПоказать оригиналСкрыть оригинал«将用户提供的简历文本或简历文件(PDF、DOCX、DOC、TXT、Markdown,以及常见表格导出)整理成结构化候选人资料,再将这些信息填…»

将用户提供的简历文本或简历文件(PDF、DOCX、DOC、TXT、Markdown,以及常见表格导出)整理成结构化候选人资料,再将这些信息填写到招聘报名表、应聘登记表、招聘网站或 ATS 招聘系统中。适用于根据简历填写 Word、Excel、CSV、PDF 表单,或在浏览器中逐项完成校招、社招、报名登记、信息核对与修正回合的场景;也适用于用户明确要求生成演示用占位信息后再填写表单。

ClawHub Agent Skills автор: ice v1.0.0 MIT-0 4 файла тело ≈ 646 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Преобразует предоставленный пользователем текст резюме или файл резюме (PDF, DOCX, DOC, TXT, Markdown, а также распространенные экспортные таблицы) в…

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

СправочникWordДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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

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: 4. 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: 80
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 646 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

  • +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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 192 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 80 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This resume-to-job-application helper is mostly coherent, but it includes an unrelated instruction to create or move skills into an auto-discovery directory.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.