SKILLEMALL.ai

BC technology-insight-analysis

Анализ конкурентной технологической информации в любой технической области. При вводе извлеченных, отфильтрованных и индексированных патентных данных автоматически выполняется анализ технологических маршрутов, оценка конкурентной среды, выявление стратегических возможностей и генерируется отчет с визуализацией информации для руководства в формате HTML. Применяется для анализа патентной конкуренции и создания технических обзоров в таких областях, как твердотельные батареи, полупроводники, биомедицина, новая энергетика, химическая промышленность и др.

машинный переводПоказать оригиналСкрыть оригинал«面向任意技术领域的竞争技术洞察分析。输入已检索、筛选、标引的专利数据,自动执行技术路线分析、竞争格局评估、战略机会识别,生成管理层可读的 H…»

面向任意技术领域的竞争技术洞察分析。输入已检索、筛选、标引的专利数据,自动执行技术路线分析、竞争格局评估、战略机会识别,生成管理层可读的 HTML 可视化洞察报告。适用于固态电池、半导体、生物医药、新能源、化工等任意技术赛道的专利竞争分析与技术白皮书生成。

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 5 файлов тело ≈ 663 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ конкурентной технологической информации в любой технической области.

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

АнализаторДанные и аналитикаИИ и агентыТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 5. 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 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: 43
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 663 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 128 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill is not malicious, but it is presented as domain-agnostic while key report templates are hard-coded for dairy-protein patent analysis, which could mislead users in other technical fields.
LLM: suspicious (high) · 13 авг. 2026 г.