SKILLEMALL.ai
GitHub ↗ EN Войти

CF office-docx

Создавайте, читайте, редактируйте и проверяйте документы Word (.docx).

машинный переводПоказать оригиналСкрыть оригинал«Create, read, edit, and validate Word documents (.docx).…»

Create, read, edit, and validate Word documents (.docx).

Разбор skillemall

Скилл обещает работу с Word-документами: создание, чтение, редактирование, проверка таблиц и форматирования. В файлах — одна инструкция на 1436 токенов, критических ошибок нет. Оценка качества 81 балл, безопасность 100. Процесс-скор 33 — низко, но это может означать просто отсутствие сложной логики.

Проверки не выявили поломок или опасных ссылок. Скилл поддерживает множество платформ, включая Claude и Cursor. Ставка на встроенный LibreOffice без поиска альтернатив — разумно для автоматизации. Минус: нет данных о реальных прогонах, sandbox не использовался. Ставить можно, если вам нужна базовая работа с docx без экспериментов.

deepseek-ai/deepseek-harness Agent Skills автор: deepseek-ai MIT 1 файл тело ≈ 966 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Создавайте, читайте, редактируйте и проверяйте документы Word (.docx).

Как процесс F 28/100 · Процесс не описан — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторWordРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
28/100
Процесс не описан
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 1. 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 28/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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: 3, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 966 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)
  • +3Длина description 56: рекомендуется 120–800 символов
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 3 заголовков
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.