SKILLEMALL.ai

BD veezvg-data-visualization

Интеллектуально выбирает диаграмму в зависимости от типа данных и генерирует профессиональный код визуализации Python matplotlib в соответствии с едиными стандартами. Поддерживает три профессиональных стиля шаблонов: BCG (по умолчанию, зеленый и минималистичный), The Economist (красная линия + сине-голубой медиа-стиль), McKinsey (яркий синий + светло-серый консультационный стиль). Сценарии срабатывания: когда пользователю нужна визуализация данных, генерация диаграмм, построение графиков, создание гистограмм/линейных графиков/круговых диаграмм/точечных диаграмм/тепловых карт и т. д. Ключевые слова: визуализация, диаграмма, chart, plot, visualization, построение графика, matplotlib, график данных, стиль The Economist, стиль McKinsey, стиль BCG.

машинный переводПоказать оригиналСкрыть оригинал«根据数据类型智能选择图表,并按统一规范生成专业 Python matplotlib 可视化代码。 支持三套专业风格模板:BCG(默认绿色简洁…»

根据数据类型智能选择图表,并按统一规范生成专业 Python matplotlib 可视化代码。 支持三套专业风格模板:BCG(默认绿色简洁风)、The Economist(红线+青蓝媒体风)、McKinsey(亮青+浅灰咨询风)。 触发场景:用户需要可视化数据、生成图表、画图、制作柱状图/折线图/饼图/散点图/热力图等。 关键词:可视化、图表、chart、plot、visualization、画图、matplotlib、数据图、经济学人风格、麦肯锡风格、BCG风格

ClawHub Agent Skills автор: veezVg v1.0.0 MIT-0 11 файлов тело ≈ 648 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуально выбирает диаграмму в зависимости от типа данных и генерирует профессиональный код визуализации Python matplotlib в соответствии с едиными…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИнфраструктуратип 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
D
46/100
Процесс не доведён
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: 11. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 648 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 235 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

Внешние проверки

ClawHub: clean
This is a normal chart-generation skill that provides matplotlib templates and guidance, with only minor portability caveats.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.