SKILLEMALL.ai

AD office-toolkit

Комплексный набор инструментов для работы с документами Microsoft Office (Word, Excel, PowerPoint) и файлами PDF. Поддерживает чтение, запись, преобразование форматов и пакетную обработку. Функции: DOCX: чтение/запись со стилями, таблицами, изображениями. PPTX: чтение/запись слайдов, извлечение текста. XLSX: чтение/запись электронных таблиц, формул. PDF: чтение текста, создание из документов. Конвертация: DOCX→PDF, PPTX→PDF.

машинный переводПоказать оригиналСкрыть оригинал«A comprehensive toolkit for Microsoft Office documents (Word, Excel, P…»

A comprehensive toolkit for Microsoft Office documents (Word, Excel, PowerPoint) and PDF files. Supports reading, writing, format conversion, and batch processing. Features: - DOCX: Read/write with styles, tables, images - PPTX: Read/write slides, extract text - XLSX: Read/write spreadsheets, formulas - PDF: Read text, create from documents - Convert: DOCX→PDF, PPTX→PDF

ClawHub Agent Skills автор: weiwei2027 v1.0.1 MIT-0 21 файл тело ≈ 859 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Комплексный набор инструментов для работы с документами Microsoft Office (Word, Excel, PowerPoint) и файлами PDF.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторPDFWordExcelPowerPointДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 21. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 859 токенов

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 373 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a straightforward Office/PDF document toolkit with disclosed file-reading and file-writing behavior, but users should be cautious about its unpinned parser dependencies.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.