SKILLEMALL.ai
GitHub ↗ EN Войти

AB infodashboard

Пошаговое руководство по настройке и использованию InfoDashboard от OpenClaw. Используйте, когда пользователь хочет клонировать репозиторий InfoDashboard, настроить ключи базы данных и LLM, запустить сервис или сгенерировать дашборд Streamlit на основе требования на естественном языке. Выполняйте по одному этапу за раз и запрашивайте подтверждение перед каждым шагом, изменяющим состояние.

машинный переводПоказать оригиналСкрыть оригинал«Guided SOP for setting up and using InfoDashboard from OpenClaw. Use w…»

Guided SOP for setting up and using InfoDashboard from OpenClaw. Use when the user wants to clone the InfoDashboard repo, configure database and LLM keys, start the service, or generate a Streamlit dashboard from a natural-language requirement. Run one phase at a time and ask for confirmation before each state-changing step.

ClawHub Agent Skills автор: zyxapple98 v1.0.0 MIT-0 6 файлов тело ≈ 659 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Пошаговое руководство по настройке и использованию InfoDashboard от OpenClaw.

Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ГенераторИнфраструктураДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных read-dotenv references/config.md:22
      Чтение файла .env
      cp .env.example .env.local

    Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 74/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 659 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)
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 326 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    InfoDashboard is a coherent setup guide, but it gives an agent access to database credentials, private-network tunneling, external LLM processing, and generated Docker dashboards with some important scoping gaps.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.