SKILLEMALL.ai

BF book-learning-assistant

Помощник по системному обучению по книгам. Учащийся предоставляет название книги + автора + издание + издательство, ИИ ищет структуру всей книги и выводит: (1) краткий обзор по главам (2) полное структурированное изложение — о чем каждая глава, основные тезисы, ключевые понятия, примеры из книги (3) основная идея (4) инструменты мышления и примеры для младших школьников. После того, как учащийся выберет главу, он переходит ко второму этапу, где ИИ подробно объясняет концепции, используя примеры из книги и примеры для младших школьников. Все выводы основаны на фактах, не допускается вымысел, примеры должны быть понятны младшим школьникам, структурированный вывод, лаконичный язык.

машинный переводПоказать оригиналСкрыть оригинал«书本系统学习助手。学习者提供书名+作者+版次+出版社,AI搜索全书内容框架并输出(1)逐章速览(2)全面结构化梳理——每章讲什么、核心论点、…»

书本系统学习助手。学习者提供书名+作者+版次+出版社,AI搜索全书内容框架并输出(1)逐章速览(2)全面结构化梳理——每章讲什么、核心论点、关键概念、书中案例(3)核心思想(4)思维工具与小学生案例。学习者选定章节后进入阶段二,AI用原书案例+小学生案例详细讲解知识点。所有输出基于事实、不得杜撰,举例须小学生能懂,结构化输出、语言简洁。

ClawHub Agent Skills автор: wangzhanchao883 v1.0.0 MIT-0 2 файла тело ≈ 715 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по системному обучению по книгам.

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/output-examples.md

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/output-examples.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: 2. 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/output-examples.md

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/output-examples.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/output-examples.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
  • 40Согласованность. Имя во frontmatter (book-learning-assistant) не совпадает с папкой (bookreading)
  • 100Шаги. Шагов: 41
  • 100Стоимость исполнения. Тело инструкции 715 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 169 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a markdown-only book study assistant that asks the agent to search public sources and produce structured learning summaries, with no hidden code or privileged behavior found.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.