SKILLEMALL.ai

AC data-analyzer

Загрузка, анализ и отчетность по структурированным данным из файлов CSV/Excel/JSON. Используйте, когда пользователю необходимо: (1) вычислить описательную статистику (среднее, медиана, стандартное отклонение, перцентили), (2) обнаружить аномалии и тенденции, (3) проанализировать корреляции между переменными, (4) сгенерировать отчеты по анализу данных с рекомендациями по визуализации, (5) исследовать и обобщить новый набор данных.

машинный переводПоказать оригиналСкрыть оригинал«Load, analyze, and report on structured data from CSV/Excel/JSON files…»

Load, analyze, and report on structured data from CSV/Excel/JSON files. Use when the user needs to: (1) compute descriptive statistics (mean, median, std dev, percentiles), (2) detect anomalies and trends, (3) analyze correlations between variables, (4) generate data analysis reports with visualization recommendations, (5) explore and summarize a new dataset.

ClawHub Agent Skills автор: zhaocaixia888 v1.1.1 MIT-0 2 файла тело ≈ 1 868 токенов Открыть источникclawhub.ai проанализирован 28 ч назад

Загрузка, анализ и отчетность по структурированным данным из файлов CSV/Excel/JSON.

Как процесс C 56/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Load, analyze, and report on structured data from CSV/Excel/JSON f… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "emoji"

    Процессный рейтинг: все десять параметров 56/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (data-analyzer) не совпадает с папкой (zcx-data-analyzer)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (read, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 22, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 1868 токенов

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 361 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (12 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

    Внешние проверки

    ClawHub: clean
    This skill is a straightforward data-analysis guide that reads user-provided structured files and gives expected statistics and reporting steps.
    LLM: benign (high) · VirusTotal: · 3 июн. 2026 г.