SKILLEMALL.ai

AC understand-technology

Используйте для объяснения концепций материаловедения и инженерии, включая свойства материалов, взаимосвязь структуры и свойств, методы обработки и механизмы работы. Генерируйте структурированные объяснения материалов и инженерных технологий, охватывая основные научные принципы, взаимосвязь структуры и свойств, методы обработки и характеристики производительности, с четкими связями между составом материала, микроструктурой и функциональным поведением в практических приложениях. Используйте для запросов типа "Что такое X?", "Как работает X?" или "Объясните науку, стоящую за X".

машинный переводПоказать оригиналСкрыть оригинал«Use for explaining materials science and engineering concepts, includi…»

Use for explaining materials science and engineering concepts, including material properties, structure–property relationships, processing methods, and performance mechanisms. Generate structured explanations of materials and engineering technologies by covering underlying scientific principles, structure–property relationships, processing methods, and performance characteristics, with clear connections between material composition, microstructure, and functional behavior in practical applications. Use for queries such as "What is X?", "How does X work?", or "Explain the science behind X".

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.1 MIT-0 2 файла тело ≈ 932 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте для объяснения концепций материаловедения и инженерии, включая свойства материалов, взаимосвязь структуры и свойств, методы обработки и механизмы…

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ГенераторТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 2. 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 62/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 39
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 932 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 596 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 39 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill only provides a structured template for explaining engineering and materials technology, with no executable behavior or privileged access.
    LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.