SKILLEMALL.ai

AF shangan-gongkao

Работайте с материалами для подготовки к экзаменам для китайских госслужащих. Используйте, когда учащиеся просят организовать материалы для экзамена 公考, составить учебные планы для 国考/省考/事业编/行政执法, извлечь методы 行测/申论, организовать пробные экзамены, искать местные заметки или генерировать ежедневные контрольные списки, таблицы формул, шаблоны эссе и таблицы обзора.

машинный переводПоказать оригиналСкрыть оригинал«Work with Chinese civil-service exam preparation materials. Use when l…»

Work with Chinese civil-service exam preparation materials. Use when learners ask to organize 公考资料, build 国考/省考/事业编/行政执法 study plans, extract 行测/申论 methods, arrange mock exams, search local notes, or generate daily checklists, formula sheets, essay templates, and review tables.

ClawHub Agent Skills автор: Zhaojixu v0.1.0 MIT-0 2 файла тело ≈ 519 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Работайте с материалами для подготовки к экзаменам для китайских госслужащих.

Как процесс F 50/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/material-map.md, scripts/search-materials.ps1

ИнтеграцияОбучениеТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
F
50/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/material-map.md, scripts/search-materials.ps1
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 missing-ref ссылка на отсутствующий файл: references/material-map.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/search-materials.ps1

Процессный рейтинг: все десять параметров 50/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/material-map.md, scripts/search-materials.ps1
  • 0Инструменты и файлы. Не хватает 2 файла(ов): references/material-map.md, scripts/search-materials.ps1
  • 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
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 519 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)
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 278 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +3Формат ответа описан явно

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a plain instruction file for Chinese civil-service exam study help, with disclosed use of a specific local study-materials folder.
LLM: benign (high) · VirusTotal: · 10 июл. 2026 г.