SKILLEMALL.ai

AC contract-risk-review-claw

虾 для проверки рисков в договорах — глубоко выявляет рискованные пункты договора, дает рекомендации по их изменению, соблюдая правовые границы. **Используйте этот навык в следующих случаях**: (1) Пользователь загружает договор (PDF/Word/текст) и просит проверить риски (2) Необходимо выявить несправедливые условия, дисбаланс ответственности за нарушение, ловушки интеллектуальной собственности, невыгодные юрисдикции и т. д. (3) Необходимо сравнить наш шаблон и договор контрагента, чтобы найти измененные ключевые пункты (4) Необходимо пакетно просканировать историческую базу договоров, чтобы найти договоры с высоким риском (5) Необходимо сгенерировать структурированный отчет о проверке (список рисков + рекомендации по изменению) (6) Пользователь упоминает «проверка договора», «выявление рисков», «аудит пунктов», «риски договора», «юридическая экспертиза», «несправедливые условия», «ответственность за нарушение», «интеллектуальная собственность», «юрисдикция», «изменение договора», «посмотри этот договор», «есть ли в этом договоре подвох»

машинный переводПоказать оригиналСкрыть оригинал«合同风险审查虾 — 深度识别合同风险条款,给出修订建议,守住法律红线。 **当以下情况时使用此 Skill**: (1) 用户上传合同文件…»

合同风险审查虾 — 深度识别合同风险条款,给出修订建议,守住法律红线。 **当以下情况时使用此 Skill**: (1) 用户上传合同文件(PDF/Word/文本),要求审查风险 (2) 需要识别不平等条款、违约责任失衡、知识产权陷阱、管辖权不利等风险 (3) 需要对比我方模板与对方合同,找出被修改的关键条款 (4) 需要批量扫描历史合同库,找出高风险合同 (5) 需要生成结构化审查报告(风险清单 + 修订建议) (6) 用户提到"合同审查"、"风险识别"、"条款审核"、"合同风险"、"法律审查"、"不平等条款"、"违约责任"、"知识产权"、"管辖权"、"合同修订"、"帮我看看这份合同"、"这份合同有没有坑"

ClawHub Agent Skills автор: Ricky v1.0.0 MIT-0 6 файлов тело ≈ 395 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

虾 для проверки рисков в договорах — глубоко выявляет рискованные пункты договора, дает рекомендации по их изменению, соблюдая правовые границы.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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: 6. 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: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 395 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 309 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a Chinese contract-review guidance skill made of markdown reference files, with no hidden code or automatic data transfer found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.