SKILLEMALL.ai

BD wanfang-paper-check

Используйте, когда пользователь запрашивает или выполняет проверку на плагиат для дипломных работ бакалавриата, магистерских/аспирантских работ, работ для высших профессиональных училищ, статей, диссертаций, новых публикаций, монографий, курсовых работ или текстов AIGC на Wanfang, или когда необходимо выбрать продукт на wanfang.cqccjy.cn, загрузить работу, создать/проверить заказ, выполнить оплату, скачать отчет, прочитать отчет или провести верификацию. Этот Skill использует только общие пользовательские терминалы и публичные интерфейсы Wanfang CQCCJY; он не выполняет автоматическую оплату, не заполняет за пользователя карты проверки/капчу, не выполняет ручное исполнение в бэкэнде и не обещает личную предварительную проверку как финальную проверку для университета или журнала.

машинный переводПоказать оригиналСкрыть оригинал«当用户询问或操作万方本科、硕博、高职高专、期刊、职称、新文献、专著、课程作业或文本 AIGC 检测,或需要在 wanfang.cqccjy.…»

当用户询问或操作万方本科、硕博、高职高专、期刊、职称、新文献、专著、课程作业或文本 AIGC 检测,或需要在 wanfang.cqccjy.cn 选择产品、上传论文、创建/查询订单、交接支付、下载报告、阅读报告或验真时使用。该 Skill 固定使用 CQCCJY 万方公共用户端和公开接口;不自动支付、不代填检测卡/验证码、不操作后台人工履约,也不把个人预检承诺为学校或期刊终检。

ClawHub Agent Skills автор: zslzxy v1.0.0 MIT-0 17 файлов · 2 скрипта тело ≈ 1 786 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Используйте, когда пользователь запрашивает или выполняет проверку на плагиат для дипломных работ бакалавриата, магистерских/аспирантских работ, работ для…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураWordРазработкаДанные и аналитикаПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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: 16. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 58
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1786 токенов
  • 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 190 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 58 пунктов
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a disclosed WanFang paper-check workflow that uploads user-selected documents to fixed public endpoints and hands payment back to the official page without hidden persistence or credential handling.
LLM: benign (high) · VirusTotal: · 3 окт. 2026 г.