SKILLEMALL.ai

BC rd-initiation-review-zhcn

Предварительная экспертиза и рассмотрение предложений по запуску R&D проектов для принятия решений о запуске/отклонении, проверки границ публичной новизны, оценки инноваций и обоснованной классификации проектов. Используется, когда пользователь запрашивает предварительную экспертизу проекта, рассмотрение проекта, рассмотрение предложения, оценку R&D проекта, рассмотрение пакета предложений, предварительную проверку новизны, рассмотрение инноваций, классификацию проекта или когда пользователь хочет провести официальное рассмотрение конкретного проекта, предложения или набора материалов исследования — применимо даже если пользователь предоставляет только предложение без явного указания «рассмотреть».

машинный переводПоказать оригиналСкрыть оригинал«研发项目立项预审与提案审查,用于立项通过/否决决策、公开新颖性边界审查、创新点评估及有据可查的项目评级。当用户要求进行项目立项预审、立项评审…»

研发项目立项预审与提案审查,用于立项通过/否决决策、公开新颖性边界审查、创新点评估及有据可查的项目评级。当用户要求进行项目立项预审、立项评审、提案审查、研发项目评估、提案包审查、新颖性预查、创新点评审、项目评级,或希望围绕具体项目、提案或研究包材料集开展正式评审时使用——即使用户仅提供提案而未明确说明「评审」也适用。

ClawHub Claude Code автор: yuanzhian-patsnap v1.0.1 MIT-0 18 файлов тело ≈ 1 675 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Предварительная экспертиза и рассмотрение предложений по запуску R&D проектов для принятия решений о запуске/отклонении, проверки границ публичной новизны…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 18. 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"
  • заметка frontmatter-key неизвестное поле фронтматтера "provider"
  • заметка frontmatter-key неизвестное поле фронтматтера "deliverable-default"
  • заметка frontmatter-key неизвестное поле фронтматтера "fallback-policy"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 165
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1675 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 159 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 165 пунктов
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This is a coherent R&D proposal review skill, but it needs Review because it can activate on a merely provided proposal and use external searches with potentially sensitive project content.
LLM: suspicious (high) · 13 авг. 2026 г.