SKILLEMALL.ai

AC jobhound

Полноценный помощник по поиску работы — охватывает анализ резюме, поиск и оценку вакансий, создание индивидуального резюме, подготовку к собеседованию на всех этапах (самопрезентация/анализ описания вакансии, исследование фона вакансии, предсказание вопросов на собеседовании, пробное собеседование, подготовка к письменному тесту), анализ собеседования, оценку предложения и переговоры по зарплате, управление отслеживанием заявок. Применяется на китайском рынке найма выпускников/стажеров (牛客网, 实习僧, BOSS直聘, 拉勾 и т. д.), а также адаптируется для других регионов. Охватывает различные должности, такие как менеджер по продукту, операционный менеджер, маркетолог, технический специалист, дизайнер и т. д. Активируется, когда пользователь упоминает следующие намерения: поиск работы, поиск стажировки, сопоставление резюме, отбор вакансий, подготовка к собеседованию, самопрезентация, пробное собеседование, подготовка к письменному тесту, анализ собеседования, оценка предложения, отслеживание заявок, "помоги мне найти работу", "есть ли стажировки", "подготовься к собеседованию", "помоги мне посмотреть это предложение".

машинный переводПоказать оригиналСкрыть оригинал«求职陪跑全流程助手——覆盖简历解析、岗位发现与评估、定制简历生成、 面试全阶段准备(自我介绍/JD拆解、岗位背景调研、面试押题、模拟面试、…»

求职陪跑全流程助手——覆盖简历解析、岗位发现与评估、定制简历生成、 面试全阶段准备(自我介绍/JD拆解、岗位背景调研、面试押题、模拟面试、 笔试准备)、面试复盘、Offer评估与薪资谈判、投递跟踪管理。 适用于中国校招/实习市场(牛客网、实习僧、BOSS直聘、拉勾等), 也适配其他地区。覆盖产品经理、运营、市场、技术、设计等各岗位方向。 当用户提到以下意图时触发:找工作、搜实习、简历匹配、岗位筛选、 面试准备、自我介绍、模拟面试、笔试准备、面试复盘、Offer评估、投递跟踪、 "帮我找工作"、"有哪些实习机会"、"准备面试"、"帮我看下这个offer"。

ClawHub Agent Skills автор: EARFQUAKE v1.0.0 MIT-0 5 файлов тело ≈ 1 330 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полноценный помощник по поиску работы — охватывает анализ резюме, поиск и оценку вакансий, создание индивидуального резюме, подготовку к собеседованию на всех…

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

ПроцедураИнфраструктуратип 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: 5. 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: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1330 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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

  • +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 280 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

Внешние проверки

ClawHub: clean
JobHound is a coherent job-search assistant that saves sensitive career notes locally, so it should be used only in a private workspace.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.