SKILLEMALL.ai

AC quanmi-fiber-pipeline

Система управления диабетом на основе пищевых волокон от Quanyuan — основной текст является общедоступным навыком, который любая компания, производящая продукты питания с пищевыми волокнами для контроля уровня сахара в крови, может использовать напрямую; модификация деидентифицированной таблицы сравнения делает ее специализированной, загрузка и выполнение обеспечивают замкнутый цикл от человека + ИИ. Основан на конвейере IPO из 5 элементов (движок знаний → движок продуктов → движок контента → движок проверки → активация продаж) от восприятия знаний до активации продаж. Триггерные слова: Quanyuan pipeline, Quanyuan fiber pipeline, Quanyuan fiber system, управление диабетом, пакет услуг для диабетиков, пищевые волокна всех категорий, основные продукты для контроля сахара, qfp, meta-skill-system.

машинный переводПоказать оригиналСкрыть оригинал«全米膳食纤维糖尿病管理管线系统——正文已脱敏的行业通用技能,任何膳食纤维控糖食品企业均可直接套用;改脱敏对照表即专用化,加载即执行,一人+A…»

全米膳食纤维糖尿病管理管线系统——正文已脱敏的行业通用技能,任何膳食纤维控糖食品企业均可直接套用;改脱敏对照表即专用化,加载即执行,一人+AI端到端闭环。基于5基元IPO管线(知识引擎→产品引擎→内容引擎→验证引擎→销售激活)从知识感知到销售激活一气贯通。触发词:全米管线、全米纤维管线、全米纤维系统、糖尿病管理方案、糖尿病服务包、全品类膳食纤维、控糖主食、qfp、meta-skill-system。

ClawHub Agent Skills автор: 波动几何 v1.0.3 MIT-0 13 файлов тело ≈ 1 488 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система управления диабетом на основе пищевых волокон от Quanyuan — основной текст является общедоступным навыком, который любая компания, производящая…

Как процесс C 53/100 · Есть пробелы — 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
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: 13. 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: 42
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1488 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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 201 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 42 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

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

Внешние проверки

ClawHub: suspicious
This skill needs review because it directs AI-driven diabetes monitoring, health advice, patient-data handling, and sales outreach without enough privacy, consent, clinical-oversight, or claim-support safeguards.
LLM: suspicious (high) · 8 сент. 2026 г.