SKILLEMALL.ai

AD cad-editor

Редактор чертежей САПР — создание инженерных чертежей (планы зданий/механические детали/электрические схемы/трубопроводные системы/детальные конструктивные чертежи) с помощью естественного языка. Поддерживает создание файлов DXF, предварительный просмотр рендеринга, пакетный экспорт. Триггеры: нарисовать план, САПР, инженерный чертеж, архитектурный чертеж, механический чертеж, электрический чертеж, чертеж трубопровода, конструктивный чертеж, нарисовать линию/круг/прямоугольник/многоугольник, простановка размеров, DXF, AutoCAD, рабочий чертеж, чертеж армирования, шестерня, подшипник, клапан, колено, тройник, фланец, дверь/окно, лестница, стена, балка/плита/колонна/фундамент, болт/гайка/пружинная шайба/штифт/шлиц, выключатель/розетка/светильник/распределительный щит/автоматический выключатель/проводка, прямой трубопровод/колено/клапан/фланец/редуктор/трубная заглушка.

машинный переводПоказать оригиналСкрыть оригинал«CAD制图编辑器 — 用自然语言生成工程图纸(建筑平面图/机械零件/电气布置/管道系统/结构详图)。 支持DXF文件创建、渲染预览、批量导出…»

CAD制图编辑器 — 用自然语言生成工程图纸(建筑平面图/机械零件/电气布置/管道系统/结构详图)。 支持DXF文件创建、渲染预览、批量导出。触发词:画平面图、CAD、工程图、建筑图、机械图、电气图、 管道图、结构图、画线/圆/矩形/多边形、尺寸标注、DXF、AutoCAD、施工图、配筋图、齿轮、轴承、 阀门、弯头、三通、法兰、门窗、楼梯、墙体、梁板柱基础、螺栓螺母弹簧垫圈销钉键槽、 开关插座灯具配电箱断路器导线组、直管弯头阀门法兰大小头管帽。

ClawHub Agent Skills автор: 波动几何 v1.0.0 MIT-0 51 файл тело ≈ 1 553 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Редактор чертежей САПР — создание инженерных чертежей (планы зданий/механические детали/электрические схемы/трубопроводные системы/детальные конструктивные…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 51. 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: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1553 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 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This CAD skill appears purpose-built for drawing generation, but it asks the agent to run generated Python code from user-derived inputs without strong validation or containment.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.