SKILLEMALL.ai

AD paper-reader

Глубокое чтение научных статей. Когда пользователь предоставляет PDF-файл статьи или путь к файлу статьи, автоматически выполняется полный перевод, структурированное объяснение, интерпретация изображений и ответы на вопросы по деталям. Применимые сценарии: предоставление пути к PDF-файлу, отправка скриншота статьи, запрос информации о содержании статьи, запрос объяснения термина или абзаца. После анализа может быть создан стандартизированный реферат для последующего создания PPT (опционально, не обязательно).

машинный переводПоказать оригиналСкрыть оригинал«学术论文深度阅读技能。当用户提供 PDF 论文或论文文件路径时,自动执行全文翻译、 结构化讲解、图片解读和细节问答。适用场景:提供 PDF…»

学术论文深度阅读技能。当用户提供 PDF 论文或论文文件路径时,自动执行全文翻译、 结构化讲解、图片解读和细节问答。适用场景:提供 PDF 文件路径、发送论文截图、 询问论文内容、请求解释某个术语或段落。 分析完成后可生成标准化摘要,方便后续生成 PPT(可选,非强制)。

ClawHub Agent Skills автор: xiaosu-yj v1.2.0 MIT-0 5 файлов тело ≈ 652 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Глубокое чтение научных статей.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 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")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (paper-reader) не совпадает с папкой (xiaosu-paper-reader)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 51
  • 100Стоимость исполнения. Тело инструкции 652 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 136 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 51 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a markdown-only academic paper-reading skill with a broad automatic workflow, but its behavior is disclosed and aligned with analyzing user-provided papers.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.