SKILLEMALL.ai

AB classify-technical-evidence-ip

Создает, уточняет, управляет и применяет основанную на доказательствах таксономию к патентам, научной литературе, записям о продуктах, технической информации, требованиям заказчика и другому структурированному тексту. Используйте для обнаружения открытых меток, классификации в полуоткрытом или закрытом наборе, определений меток и правил принятия решений, пилотного маркирования, полного маркирования CSV/XLSX, очередей арбитража, бэклога таксономии, контроля качества и выборочного обогащения доказательств PatSnap MCP.

машинный переводПоказать оригиналСкрыть оригинал«Build, refine, govern, and apply an evidence-based taxonomy to patents…»

Build, refine, govern, and apply an evidence-based taxonomy to patents, scientific literature, product records, technical intelligence, customer requirements, and other structured text. Use for open label discovery, semi-open or closed-set classification, label definitions and decision rules, pilot labeling, full CSV/XLSX labeling, adjudication queues, taxonomy backlogs, quality assurance, and selective PatSnap MCP evidence enrichment.

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 23 файла тело ≈ 3 906 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создает, уточняет, управляет и применяет основанную на доказательствах таксономию к патентам, научной литературе, записям о продуктах, технической информации…

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

ГенераторExcelДанные и аналитикаИИ и агентыОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

    Процессный рейтинг: все десять параметров 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 200, расплывчатых формулировок: 1
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3906 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 11. 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 439 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 200 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (6 из 7)
    • +3Все 5 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This skill is a governed technical-labeling workflow with optional PatSnap enrichment, and its sensitive behaviors are disclosed, gated, and purpose-aligned.
    LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.