SKILLEMALL.ai
GitHub ↗ EN Войти

AC plydb

Навык для использования PlyDB CLI для выполнения SQL-анализа подключенных источников данных. Используйте для SQL-запросов к гетерогенным базам данных и файлам, таким как Postgres, MySQL, CSV, Parquet, JSON, Excel, SQLite, DuckDB, Google Sheets. Активируется по запросам «plydb», «sql», «query», «data analysis», «parquet», «csv», «excel», «database».

машинный переводПоказать оригиналСкрыть оригинал«Skill for using the PlyDB CLI to perform SQL analysis of connected dat…»

Skill for using the PlyDB CLI to perform SQL analysis of connected data sources. Use for SQL queries across heterogeneous databases and files such as Postgres, MySQL, CSV, Parquet, JSON, Excel, SQLite, DuckDB, Google Sheets. Triggers on "plydb", "sql", "query", "data analysis", "parquet", "csv", "excel", "database".

ClawHub Agent Skills автор: ypt v1.0.0 MIT-0 4 файла тело ≈ 821 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык для использования PlyDB CLI для выполнения SQL-анализа подключенных источников данных.

Как процесс C 55/100 · Есть пробелы — слабые места: шаги, результат и критерий готовности, входы и предусловия

ИнтеграцияGoogle SheetsPostgreSQLMySQLДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Секреты в коде secret-high-entropy-token references/config_schema.md:193
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      "spreadsheet_id": "1Bxi…pms",
      в кавычках
    • низкая Секреты в коде secret-high-entropy-token references/config_schema.md:204
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      "spreadsheet_id": "1AbC…efg"
      в кавычках

    Просканировано файлов: 4. 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 25Шаги. Шагов: 1
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 821 токенов

    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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    This skill is coherent SQL-analysis guidance, but it can give an agent broad access to configured databases, files, cloud storage, and cached Google Sheets authorization with loose activation boundaries.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.