SKILLEMALL.ai

AB excel-wps-table-diagnosis

Диагностирует структуру электронных таблиц и рекомендует практические формулы и рабочие процессы, совместимые с Excel/WPS, для очистки, поиска и сопоставления, суммирования, очистки текста и дат, а также для устранения распространенных проблем с формулами. Используйте, когда пользователь спрашивает, какую формулу использовать, как обработать таблицу, как очистить грязные столбцы, как сопоставить листы, как заставить решение работать как в Excel, так и в WPS, или когда заголовки и примеры строк следует проверить перед принятием решения о дальнейших действиях.

машинный переводПоказать оригиналСкрыть оригинал«Diagnose spreadsheet structure and recommend practical Excel/WPS-compa…»

Diagnose spreadsheet structure and recommend practical Excel/WPS-compatible formulas and workflows for cleaning, lookup and matching, summarization, text and date cleanup, and common formula troubleshooting. Use when the user asks what formula to use, how to process a table, how to clean messy columns, how to match sheets, how to make a solution work in both Excel and WPS, or when headers and sample rows should be inspected before deciding what to do next.

ClawHub Agent Skills автор: Winston v1.0.0 MIT-0 15 файлов тело ≈ 679 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Диагностирует структуру электронных таблиц и рекомендует практические формулы и рабочие процессы, совместимые с Excel/WPS, для очистки, поиска и…

Как процесс B 76/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
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: 15. 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 76/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 40, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 679 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 460 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This spreadsheet-help skill is coherent and low risk; the main caution is that table samples may contain sensitive business or personal data.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.