SKILLEMALL.ai

AB create-patent-landscape-overview-ip

Организуйте программу анализа патентного ландшафта на основе доказательств для планирования продукта, стратегии НИОКР, анализа конкурентов, анализа технологических маршрутов, рекомендуемых пакетов патентов и планирования портфеля. Используйте, когда пользователю требуется поиск и отсев шума, полная статистика ландшафта, дизайн таксономии, реальная передача человеческой разметки, репрезентативный анализ патентов и самодостаточный научный HTML-отчет.

машинный переводПоказать оригиналСкрыть оригинал«Orchestrate an evidence-backed patent-landscape program for product pl…»

Orchestrate an evidence-backed patent-landscape program for product planning, R&D strategy, competitor intelligence, technology-route analysis, recommended patent packages, and portfolio planning. Use when a user needs search and de-noising, complete-population landscape statistics, taxonomy design, a genuine human tagging handoff, representative patent analysis, and a self-contained scientific HTML report.

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 12 файлов тело ≈ 6 009 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Организуйте программу анализа патентного ландшафта на основе доказательств для планирования продукта, стратегии НИОКР, анализа конкурентов, анализа…

Как процесс B 76/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ГенераторДанные и аналитикатип 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
B
76/100
Почти готов
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6009 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

Процессный рейтинг: все десять параметров 76/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6009 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 309
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 22. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 410 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 66 заголовков
  • +3Пошаговые инструкции: 309 пунктов
  • +4Есть примеры (12 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

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

Внешние проверки

ClawHub: clean
This is a documentation-only patent-landscape workflow that uses disclosed PatSnap connectors and user checkpoints to produce local analysis artifacts.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.