SKILLEMALL.ai

BC zayn-networkmap

Исследует связи между отраслями, выставками, ассоциациями, мероприятиями и компаниями на основе проверяемых общедоступных данных. Используется для определения ценных выставок и компаний-участников по отраслям и регионам, выявления ключевых ассоциаций и их публичных членов, а также для поиска недавних выставок, конференций, саммитов, спонсорских и спикерских мероприятий, и компаний-участников для указанной компании. Требует различения ролей участников, силы доказательств и полноты списка. Не используется для прямой оценки потенциальных клиентов или приоритетов продаж.

машинный переводПоказать оригиналСкрыть оригинал«基于可追溯的公开证据研究行业、展会、协会、活动与公司之间的关系。用于按行业和地区识别高价值展会及近期参展公司、识别主要协会及公开会员公司,或…»

基于可追溯的公开证据研究行业、展会、协会、活动与公司之间的关系。用于按行业和地区识别高价值展会及近期参展公司、识别主要协会及公开会员公司,或按指定公司查找近期展会、会议、峰会、赞助和演讲活动及同场公司;要求区分参与角色、证据强度与名单完整度,不用于直接判断潜在客户或销售优先级。

ClawHub Agent Skills автор: zaynpeng v1.0.0 MIT-0 7 файлов тело ≈ 613 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Исследует связи между отраслями, выставками, ассоциациями, мероприятиями и компаниями на основе проверяемых общедоступных данных.

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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: 7. 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")

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: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 613 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

  • +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 139 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 23 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
The skill is mostly a coherent public relationship research guide, but it asks agents to inspect broad connected private business sources without tight user-controlled scoping.
LLM: suspicious (medium) · 11 авг. 2026 г.