SKILLEMALL.ai

BF literature-harvest-zotero

Загрузка литературы из CNKI + NCBI + Google Scholar → полная конвейерная линия для импорта в Zotero (родительская запись + связанный файл + теги + китайские заметки).

машинный переводПоказать оригиналСкрыть оригинал«知网+NCBI+Google Scholar 多源文献下载 → Zotero 合集入库完整流水线(父条目+linked_file+标签+中文…»

知网+NCBI+Google Scholar 多源文献下载 → Zotero 合集入库完整流水线(父条目+linked_file+标签+中文笔记)

ClawHub Agent Skills автор: xiaoge6666 v1.0.0 MIT-0 5 файлов тело ≈ 1 568 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Загрузка литературы из CNKI + NCBI + Google Scholar → полная конвейерная линия для импорта в Zotero (родительская запись + связанный файл + теги + китайские…

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: templates/scholar_grab_parse.py

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: templates/scholar_grab_parse.py
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: 5. 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: templates/scholar_grab_parse.py

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: templates/scholar_grab_parse.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): templates/scholar_grab_parse.py
  • 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
  • 100Шаги. Шагов: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1568 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 73: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: suspicious
The skill is a disclosed literature-to-Zotero workflow, but it includes operational anti-bot and proof-of-work bypass steps for automated document retrieval.
LLM: suspicious (high) · 22 авг. 2026 г.