SKILLEMALL.ai

AC tag-patent-search-results-ip

Разработайте и откалибруйте систему тегирования этапа 3/4 для программы анализа патентного ландшафта. Используйте после поиска патентов и анализа результатов поиска патентов для создания версионированной таксономии технологий из четырех столбцов, технических вопросов, влияющих на принятие решений, групп патентов, подкрепленных доказательствами, проверенной демонстрации тегирования и полного пустого CSV-файла тегов для фактического ручного тегирования на этапе 3.5; проверьте возвращенный файл tagged_pool.csv перед передачей для создания отчета по поиску патентов.

машинный переводПоказать оригиналСкрыть оригинал«Design and calibrate the Stage 3/4 tagging system for a patent-landsca…»

Design and calibrate the Stage 3/4 tagging system for a patent-landscape program. Use after search-patents-ip and analyze-patent-search-results-ip to create a versioned four-column technology taxonomy, decision-relevant technical questions, evidence-backed patent groups, a reviewed tagging demonstration, and a complete empty-tag CSV for genuine human tagging at Stage 3.5; validate the returned tagged_pool.csv before routing to create-patent-search-report-ip.

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 3 файла тело ≈ 4 242 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Разработайте и откалибруйте систему тегирования этапа 3/4 для программы анализа патентного ландшафта.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 3. 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 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4242 токенов
    • 100Шаги. Шагов: 132
    • 100Согласованность. Имя и обязательные поля на месте
    • low Разделов верхнего уровня: 20. 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 462 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 37 заголовков
    • +3Пошаговые инструкции: 132 пунктов
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This skill provides a disclosed patent-tagging workflow with bounded file outputs and human-review safeguards.
    LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.