SKILLEMALL.ai

AC cnki-advanced-search

Автоматизированный инструмент для расширенного поиска статей в CNKI (知网). Когда пользователь предоставляет ключевые слова исследования (один или несколько наборов), автоматически имитирует человеческое поведение поиска на странице расширенного поиска CNKI: выбирает категории научных журналов, отмечает источники CSSCI, вводит ключевые слова темы (включая синонимы и омонимы, разделенные +), соединяет несколько наборов ключевых слов оператором OR, сортирует результаты по количеству цитирований после поиска, переключает на 50 записей/страницу, открывает представление с аннотациями, и, наконец, через функцию «Экспорт и анализ» экспортирует в Word в формате «Новый поиск (формат цитирования)», включая полную библиографическую информацию и аннотации. Условия срабатывания: пользователь упоминает необходимость поиска статей в CNKI/知网, расширенный поиск, поиск статей CSSCI/C-журналов по ключевым словам, загрузку библиографической информации, получение аннотаций статей, поиск по количеству цитирований; или говорит «помоги мне найти статьи по теме XX в CNKI», «используй расширенный поиск CNKI для поиска статей по теме XX в C-журналах», «помоги мне найти статьи по ключевым словам XX в CSSCI».

машинный переводПоказать оригиналСкрыть оригинал«知网(CNKI)高级检索论文自动化工具。当用户提供研究关键词(一组或多组)时,自动在知网 高级检索页面模拟人类检索行为:选择学术期刊类别、勾…»

知网(CNKI)高级检索论文自动化工具。当用户提供研究关键词(一组或多组)时,自动在知网 高级检索页面模拟人类检索行为:选择学术期刊类别、勾选CSSCI来源、输入主题关键词(含同义词 和同位词,用 + 连接)、多组关键词用OR关系连接,检索后按被引量排序、切换50条/页、 打开摘要视图,最终通过"导出与分析"功能以"查新(引文格式)"导出为Word文件, 包含完整的题录和摘要信息。 触发条件:用户提到需要在知网/CNKI检索论文、高级检索、按关键词搜索CSSCI/C刊论文、 下载题录信息、获取论文摘要、按被引排序检索;或说"帮我在知网检索XX相关论文"、 "用知网高级检索搜索XX主题的C刊论文"、"帮我检索XX关键词的CSSCI论文"。

ClawHub Agent Skills автор: yipng05-max v1.1.0 MIT-0 2 файла тело ≈ 929 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Автоматизированный инструмент для расширенного поиска статей в CNKI (知网).

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

СправочникИнфраструктуратип 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
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: 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 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: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 929 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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

  • +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 4 примера фраз-триггеров в кавычках
  • +3Длина description 322 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: clean
This skill automates CNKI searches and saves exported research results locally, which matches its stated purpose, though users should supervise file output and any fallback spreadsheet generation.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.