SKILLEMALL.ai

AC college-admission-assistant

Помощник по планированию поступления в вузы в Китае. Предоставляет рекомендации по выбору предметов для нового экзамена Гаокао, советы по подаче заявлений, информацию о вузах и специальностях, справочные данные о проходных баллах и разъяснения политики Гаокао. Подходит для старшеклассников, родителей и учителей при планировании поступления. Поддерживает как домашний (чистая база знаний), так и коммерческий (расширение API) режимы. Триггеры: используется, когда пользователь задает вопросы, связанные с Гаокао/выбором предметов/подачей заявлений/поступлением/проходными баллами.

машинный переводПоказать оригиналСкрыть оригинал«中国高考升学规划助手。提供新高考选科指导、志愿填报建议、院校专业查询、录取分数线参考、高考政策解读。适用于高中生、家长和教师进行升学规划。支…»

中国高考升学规划助手。提供新高考选科指导、志愿填报建议、院校专业查询、录取分数线参考、高考政策解读。适用于高中生、家长和教师进行升学规划。支持家用(纯知识库)和商用(API扩展)双模式。触发器:用户提出高考/选科/志愿/录取/分数线相关问题时使用。

ClawHub Agent Skills автор: yezhaowang v1.0.0 MIT-0 15 файлов тело ≈ 472 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по планированию поступления в вузы в Китае.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 15. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 472 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 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill is a coherent college-admissions planning helper with local reference data and small offline analysis scripts; its optional API-key mode is disclosed.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.