SKILLEMALL.ai

AC ai-market-report

Полностью автоматическая генерация ежедневных отчетов по исследованию рынка программ для ИИ-компаньонов. Сценарии использования: - Пользователь говорит «сгенерировать отчет об исследовании рынка продуктов для ИИ-компаньонов», «сделать ежедневный отчет по ИИ-компаньонам» - Пользователь говорит «исследовать рынок ИИ-компаньонов», «сгенерировать отчет об исследовании продукта XX» - Пользователь говорит «сгенерировать отчет о рынке ИИ-компаньонов» и касается данных App Store, MAU, выручки, оценки - Пользователь запрашивает «сгенерировать отчет об исследовании в формате PDF для ИИ-компаньонов» и указывает на ИИ-компаньонов/companion Навык включает: сбор данных iTunes Search API → глубокий поиск Tavily → генерация документа Markdown → рендеринг красивого отчета HTML/PDF.

машинный переводПоказать оригиналСкрыть оригинал«AI 陪伴软件市场调研日报全自动生成。适用场景: - 用户说「生成AI陪伴软件类产品市场调研报告」「做一份 AI 陪伴软件日报」 - 用户说…»

AI 陪伴软件市场调研日报全自动生成。适用场景: - 用户说「生成AI陪伴软件类产品市场调研报告」「做一份 AI 陪伴软件日报」 - 用户说「调研 AI companion 市场」「生成 XX 产品的调研报告」 - 用户说「生成AI陪伴市场报告」且涉及 App Store 数据、MAU、营收、估值 - 用户要求「生成 AI陪伴 PDF 格式的市场报告」且指定 AI 陪伴/companion 相关 技能涵盖:iTunes Search API 数据采集 → Tavily 深度搜索 → Markdown 文档生成 → HTML/PDF 精美报告渲染。

ClawHub Agent Skills автор: Vae2024 v1.0.1 MIT-0 5 файлов тело ≈ 499 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полностью автоматическая генерация ежедневных отчетов по исследованию рынка программ для ИИ-компаньонов.

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

ИнтеграцияPDFДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
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: 10
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 499 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 276 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill is a coherent market-report generator that uses public web/App Store searches and creates local report files, with some usability and privacy cautions but no malicious behavior found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.