SKILLEMALL.ai

AC flight-delay-compensation

Проверьте, имеет ли право на денежную компенсацию задержанный, отмененный или перебронированный рейс согласно правилам EU261, UK261, US DOT, Canada APPR, Brazil ANAC, Turkey SHY или India DGCA. Рассчитывает точные суммы по категориям расстояния, оценивает аргументы авиакомпаний об исключительных обстоятельствах, отслеживает сроки подачи претензий и генерирует готовые к отправке письма с претензиями. Используйте, когда произошло нарушение расписания рейса, и пользователь хочет узнать свои права или подать претензию.

машинный переводПоказать оригиналСкрыть оригинал«Check if a delayed, cancelled, or overbooked flight qualifies for cash…»

Check if a delayed, cancelled, or overbooked flight qualifies for cash compensation under EU261, UK261, US DOT, Canada APPR, Brazil ANAC, Turkey SHY, or India DGCA rules. Calculates exact amounts by distance tier, evaluates airline extraordinary-circumstances defenses, tracks claim deadlines, and generates ready-to-send claim letters. Use when a flight disruption occurred and the user wants to know their rights or file a claim.

ClawHub Agent Skills автор: voronindenis5 v1.0.0 MIT-0 8 файлов тело ≈ 1 487 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проверьте, имеет ли право на денежную компенсацию задержанный, отмененный или перебронированный рейс согласно правилам EU261, UK261, US DOT, Canada APPR…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Ошибки и развилки. Развилок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1487 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 2 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 431 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent offline flight-compensation checker with optional local file exports, but users should choose output paths carefully because generated claim files may contain personal travel details.
    LLM: benign (high) · VirusTotal: · 15 авг. 2026 г.