SKILLEMALL.ai

AF auto-citation

Автоматически добавляет ссылки на научные статьи. Анализирует содержание статьи, извлекает темы и ключевые слова, вызывает academic-search для поиска релевантных статей, предлагает кандидатов для подтверждения пользователем, автоматически вставляет отформатированные цитаты. Поддерживает ввод в форматах Markdown/LaTeX/Word, выводит в форматах BibTeX/GB/T 7714/APA. Срабатывает, когда пользователь говорит «помоги добавить ссылки», «найди цитаты для этой статьи» или обрабатывает файлы .md/.tex/.docx.

машинный переводПоказать оригиналСкрыть оригинал«自动为学术文章添加参考文献。解析文章内容提取主题和关键词, 调用 academic-search 检索相关论文,推荐候选文献供用户确认, 自…»

自动为学术文章添加参考文献。解析文章内容提取主题和关键词, 调用 academic-search 检索相关论文,推荐候选文献供用户确认, 自动插入格式化的引用。支持 Markdown/LaTeX/Word 输入, 输出 BibTeX/GB/T 7714/APA 格式。当用户说"帮我加参考文献"、 "给这篇文章找引用"或处理 .md/.tex/.docx 文件时触发。

ClawHub Agent Skills автор: vigorouspp v1.0.0 MIT-0 8 файлов тело ≈ 1 001 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматически добавляет ссылки на научные статьи.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/parser-guide.md

ПроцедураLaTeXWordИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/parser-guide.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 8. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/parser-guide.md

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/parser-guide.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/parser-guide.md
  • 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
  • 100Шаги. Шагов: 54
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1001 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 184 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This is a coherent citation helper, but users should understand it can edit chosen documents and send document-derived search terms to academic search services.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.