SKILLEMALL.ai

AC review-writer

Создание и редактирование профессиональных рабочих документов на основе данных. Используйте, когда пользователь просит написать или доработать: (1) отчеты о работе/анализ/годовые итоги, (2) резюме/опыт работы/переформулирование по методу STAR, (3) еженедельные/ежемесячные отчеты/рабочие итоги, (4) OKR/цели и ключевые результаты, (5) PRD/документы с планами/описания требований. Также используйте для двуязычных черновиков на китайском/английском, согласования тональности, шаблонизации структуры, переписывания списков и преобразования необработанных заметок в первый черновик с последующей итерацией.

машинный переводПоказать оригиналСкрыть оригинал«Data-driven writing and polishing for professional workplace documents…»

Data-driven writing and polishing for professional workplace documents. Use when the user asks to write or refine: (1) 述职/复盘/年终总结, (2) 简历/项目经历/STAR 改写, (3) 周报/月报/工作总结, (4) OKR/目标与关键结果, (5) PRD/方案文档/需求说明. Also use for bilingual CN/EN drafts, tone alignment, structure templating, bullet-point rewriting, and turning raw notes into a first draft then iterating.

ClawHub Agent Skills автор: strive v1.0.1 MIT-0 2 файла тело ≈ 538 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Создание и редактирование профессиональных рабочих документов на основе данных.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктураОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 48
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 538 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 359 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 48 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This is a straightforward workplace writing helper with no executable code, hidden behavior, or privileged access requests.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.