SKILLEMALL.ai

AC paper-analyzer

Глубокий анализ научных статей с возможностью построения архитектурных диаграмм метода статьи. Используйте этот инструмент всякий раз, когда пользователь делится научной статьей, вставляет контент статьи, прикрепляет PDF-файл или просит проанализировать, обобщить, раскритиковать или объяснить статью. Также срабатывает, когда пользователь передает --draw-structure, просит «архитектуру статьи» или хочет визуализировать метод/конвейер из статьи. Триггер по фразам вроде «проанализируй эту статью», «прочитай эту статью», «глубокое погружение в», «объясни метод», «нарисуй архитектуру этой статьи», «визуализируй этот метод». Не ждите явного вызова инструмента — если контент статьи присутствует, используйте его.

машинный переводПоказать оригиналСкрыть оригинал«Deep-dive analysis of academic papers, with optional architecture diag…»

Deep-dive analysis of academic papers, with optional architecture diagrams of the paper's method. Use this skill whenever the user shares a research paper, a paste of paper content, a PDF attachment, or asks to analyze, summarize, critique, or explain a paper. Also trigger when the user passes --draw-structure, asks for a "paper architecture", or wants to visualize a method/pipeline from a paper. Trigger on phrases like "analyze this paper", "read this paper", "deep dive on", "explain the method", "draw this paper's architecture", "visualize this method". Don't wait for explicit skill invocation — if paper content is present, use it.

ClawHub Agent Skills автор: Wonster v1.1.0 MIT-0 9 файлов тело ≈ 4 255 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокий анализ научных статей с возможностью построения архитектурных диаграмм метода статьи.

Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторИнфраструктураТексты и документыИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
96
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Согласованность вес 8
40
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: 9. 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 61/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (paper-analyzer) не совпадает с папкой (paper-reading)
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Стоимость исполнения. Тело инструкции 4255 токенов
    • 85Шаги. Шагов: 64, расплывчатых формулировок: 3
    • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 14. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 641 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 64 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.

    Внешние проверки

    ClawHub: clean
    This skill coherently analyzes academic papers and can generate diagram files, with some broad activation behavior users should keep in mind.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.