SKILLEMALL.ai

BD travel-planner

Интеллектуальный генератор туристических маршрутов. После ввода города назначения автоматически ищет популярные рекомендации достопримечательностей на таких платформах, как Xiaohongshu, Weibo, Bilibili, Douyin и т. д., генерирует список достопримечательностей с сортировкой по индексу рекомендаций, детализирует развлекательные мероприятия и сортирует их по приоритету (исключая места с большим скоплением людей/потенциальные проблемы), а затем автоматически создает изысканные PPT-маршруты с использованием сетевых изображений. Используется для: планирования путешествий, исследования достопримечательностей, создания путеводителей, оптимизации маршрутов.

машинный переводПоказать оригиналСкрыть оригинал«智能旅行攻略生成器。输入目的地城市后,自动搜索小红书、微博、B站、抖音等平台的热门景点推荐,生成带推荐指数排序的景点列表,细化游乐项目并按优…»

智能旅行攻略生成器。输入目的地城市后,自动搜索小红书、微博、B站、抖音等平台的热门景点推荐,生成带推荐指数排序的景点列表,细化游乐项目并按优先级排序(排除人多/踩坑项目),最终结合网络图片自动生成精美PPT攻略。用于:旅行规划、景点调研、出行攻略制作、行程优化。

ClawHub Agent Skills автор: yongji921 v1.0.0 MIT-0 5 файлов тело ≈ 308 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуальный генератор туристических маршрутов.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 5. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (travel-planner) не совпадает с папкой (travel-planner-case)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 35
  • 100Стоимость исполнения. Тело инструкции 308 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 131 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This travel-planning skill is disclosed and purpose-aligned, but its helper scripts appear to produce mock/structured data rather than real live searches or a finished PPT by themselves.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.