SKILLEMALL.ai

AD cuishu

萃书 — извлечение сути книг и создание инфографики. Введите название книги, чтобы автоматически получить материалы, сгенерировать краткое содержание (100 слов), 3 ключевых вывода, 5 практических советов и высококачественную инфографику. Применимо, когда: (1) пользователь говорит «萃书 + название книги» (2) пользователь говорит «извлеки/суммируй/выдели суть книги» (3) пользователь просит создать инфографику по книге (4) пользователь хочет быстро понять основное содержание книги и применить его на практике.

машинный переводПоказать оригиналСкрыть оригинал«萃书——书籍精华萃取与信息图生成。输入书名,自动获取书籍素材,生成:100字简介、3个核心观点、5条行动建议,并生成一张高质量信息图。适用于…»

萃书——书籍精华萃取与信息图生成。输入书名,自动获取书籍素材,生成:100字简介、3个核心观点、5条行动建议,并生成一张高质量信息图。适用于:(1) 用户说"萃书 + 书名" (2) 用户说"帮我萃取/总结/提炼某本书的精华" (3) 用户要求生成书籍信息图 (4) 用户想快速了解一本书的核心内容并落地为行动。

ClawHub Agent Skills автор: xishaochen v1.0.1 MIT-0 2 файла тело ≈ 433 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

萃书 — извлечение сути книг и создание инфографики.

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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: 2. 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 (node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 433 токенов
  • 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

  • +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
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 156 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
The skill’s book-summary and infographic workflow is coherent, but it instructs the agent to automatically send a generated file through a local POPO transfer command without confirmation or clear recipient/path controls.
LLM: suspicious (high) · 30 июл. 2026 г.