SKILLEMALL.ai

BD office-collaboration-radar

Извлекает карточки состояния сотрудничества в стабильном формате из групповых чатов, протоколов совещаний и других совместных материалов. Используется, когда пользователь упоминает "состояние сотрудничества", "прогресс проекта", "извлечение задач", "блокировка рисков", "Ответственный/Срок", "межведомственная зависимость", "требуется подтверждение" или вставляет текст для совместной работы; выводит карточку состояния сотрудничества, пункты действий, риски и зависимости, фрагменты доказательств, сортировку по приоритетам, радарную диаграмму и структурированные результаты JSON, а также автоматически обезличивает персональные данные, принудительно фиксирует доказательства и помечает конфликты.

машинный переводПоказать оригиналСкрыть оригинал«从群聊记录、会议纪要等协作材料中提取稳定格式的协作状态卡片。 用户提到"协作状态""项目进展""待办提取""风险阻断""Owner/DDL"…»

从群聊记录、会议纪要等协作材料中提取稳定格式的协作状态卡片。 用户提到"协作状态""项目进展""待办提取""风险阻断""Owner/DDL""跨部门依赖""需确认项" 或粘贴协作文本时使用;输出协作状态卡片、行动项、风险依赖、证据片段、优先级排序、 雷达图与 JSON 结构化结果,并自动脱敏 PII、强制证据留痕、标记冲突。

ClawHub Agent Skills автор: Megan v0.4.3 MIT-0 29 файлов · 1 скрипт тело ≈ 1 751 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Извлекает карточки состояния сотрудничества в стабильном формате из групповых чатов, протоколов совещаний и других совместных материалов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураNotionРазработкаДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 29. 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 46/100

  • 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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 70
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1751 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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
  • -32 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 163 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 70 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill coherently analyzes user-provided workplace collaboration text locally, with no evidence of hidden network access, credential use, or external system mutation.
LLM: benign (high) · VirusTotal: · 17 авг. 2026 г.