SKILLEMALL.ai

BD 多科学透视

Многодисциплинарный взгляд — анализируйте любую идею с точки зрения разных наук, чтобы открыть "неизведанное неизведанное". Глубокий анализ идеи, диалога или заметки с точки зрения множества дисциплин для расширения границ познания. **Используйте этот навык, когда**: (1) Пользователь поделился диалогом, заметкой или идеей и хочет получить многомерный анализ (2) Пользователь говорит "многодисциплинарный взгляд", "многомерный анализ", "междисциплинарный анализ" (3) Пользователь хочет провести мозговой штурм и найти множество творческих возможностей (4) Пользователь готовится к написанию глубокой статьи и нуждается в многосторонних точках входа и случайном вдохновении (5) Пользователь хочет переосмыслить контент с междисциплинарной точки зрения

машинный переводПоказать оригиналСкрыть оригинал«多科学透视 — 用多个学科的视角透视任意想法,发现"未知的未知"。 将一段想法、对话或笔记,通过多个学科视角进行深度透视分析,拓展认知边界…»

多科学透视 — 用多个学科的视角透视任意想法,发现"未知的未知"。 将一段想法、对话或笔记,通过多个学科视角进行深度透视分析,拓展认知边界。 **当以下情况时使用此 Skill**: (1) 用户分享了一段对话、笔记或想法,希望多维度分析 (2) 用户说"多科学透视"、"多维分析"、"跨学科分析" (3) 用户想要头脑风暴,寻找创意的多种可能性 (4) 用户准备写深度文章,需要多角度切入点和随机性启发 (5) 用户想从跨学科视角重新审视一段内容

ClawHub Agent Skills автор: zyq328328 v1.0.2 MIT-0 11 файлов тело ≈ 504 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Многодисциплинарный взгляд — анализируйте любую идею с точки зрения разных наук, чтобы открыть "неизведанное неизведанное".

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (多科学透视) не совпадает с папкой (duoke-xue-tou-shi)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 35
  • 100Стоимость исполнения. Тело инструкции 504 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 226 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a text-only Chinese multidisciplinary analysis skill with no executable behavior, but users should be careful about any file paths or sensitive text they ask it to analyze.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.