SKILLEMALL.ai

CD pdf-literature-parser

Извлекает метаинформацию из PDF научных статей, включая заголовок, ключевые слова, аннотацию, и выводит в виде структурированного JSON. Подходит для организации литературы, форматирования цитат и быстрого извлечения информации из статей.

машинный переводПоказать оригиналСкрыть оригинал«从学术论文 PDF 中提取元信息,包含标题、关键词、摘要,输出结构化 JSON。适用于文献整理、引用格式整理、论文信息快速提取。…»

从学术论文 PDF 中提取元信息,包含标题、关键词、摘要,输出结构化 JSON。适用于文献整理、引用格式整理、论文信息快速提取。

ClawHub Agent Skills автор: Y-EGG v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 65 токенов Открыть источникclawhub.ai↗ проанализирован 8 дн назад

Извлекает метаинформацию из PDF научных статей, включая заголовок, ключевые слова, аннотацию, и выводит в виде структурированного JSON.

Как процесс D 42/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
51
Прогон на моделях
не было
Процессный рейтинг
D
42/100
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "command"
  • заметка frontmatter-key неизвестное поле фронтматтера "inputs"
  • заметка frontmatter-key неизвестное поле фронтматтера "output"

Процессный рейтинг: все десять параметров 42/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 75Шаги. Шагов: 3
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 65 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)
  • +3Длина description 64: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -15Тело SKILL.md короче 300 символов: скилл почти пустой
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 51.

Внешние проверки

ClawHub: suspicious
This skill performs the advertised PDF metadata extraction, but it quietly sends up to 5,000 characters from the PDF to Moonshot's external AI API when an API key is present.
LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.