SKILLEMALL.ai

BD feasibility-review

Навык проверки проекта технико-экономического обоснования. Автоматически анализирует предоставленное пользователем руководство по проекту и отчет о технико-экономическом обосновании, выполняет формальную проверку (соответствие текста, структура глав, полнота, согласованность) и содержательную проверку (извлечение технического маршрута, извлечение инновационных моментов, многомерный анализ патентов/статей, анализ политики), в конечном итоге генерирует структурированный отчет о проверке проекта для помощи менеджерам по управлению технологиями в принятии решений о проекте.

машинный переводПоказать оригиналСкрыть оригинал«可行性研究报告立项审查技能。自动解析用户上传的项目指南与可研报告,执行形式审查(文本规范、篇章结构、完整性、一致性)和实质审查(技术路线提取…»

可行性研究报告立项审查技能。自动解析用户上传的项目指南与可研报告,执行形式审查(文本规范、篇章结构、完整性、一致性)和实质审查(技术路线提取、创新点提取、专利/论文多维分析、政策分析),最终生成结构化立项审查报告,辅助科技管理人员做立项研判。

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 3 файла тело ≈ 2 568 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык проверки проекта технико-экономического обоснования.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 80
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2568 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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
  • -227 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 121 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 80 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
The skill performs a disclosed feasibility-report review workflow that reads user-provided documents, searches external patent/paper/policy sources, and writes a local HTML report.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.