SKILLEMALL.ai

AB deepxiv-cli

Ищите, изучайте и последовательно читайте научные статьи в открытом доступе с помощью CLI deepxiv. Используйте, когда пользователь хочет искать статьи на arXiv / PMC / Semantic Scholar, проводить первичную оценку статей, читать по разделам, находить тренды, просматривать цитаты, проверять информацию об авторах, сравнивать базовые показатели или использовать рабочие процессы обзора литературы, не загружая полные статьи слишком рано.

машинный переводПоказать оригиналСкрыть оригинал«Search, inspect, and progressively read open-access academic papers wi…»

Search, inspect, and progressively read open-access academic papers with the deepxiv CLI. Use when the user wants arXiv / PMC / Semantic Scholar paper search, paper triage, section-by-section reading, trending discovery, citation lookup, author background checks, baseline comparison, or literature review workflows without loading full papers too early.

ClawHub Agent Skills автор: Eric v0.2.2 MIT-0 4 файла тело ≈ 2 200 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Ищите, изучайте и последовательно читайте научные статьи в открытом доступе с помощью CLI deepxiv.

Как процесс B 70/100 · Почти готов — слабые места: входы и предусловия

ИнтеграцияИсследованиятип 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
70/100
Почти готов
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
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: 4. 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 70/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), 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
    • 85Шаги. Шагов: 38, расплывчатых формулировок: 2
    • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2200 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 354 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (11 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

    Внешние проверки

    ClawHub: clean
    This is a disclosed, markdown-only helper for using the DeepXiv research CLI, with risks limited to user-approved installation and optional LLM usage.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.