SKILLEMALL.ai
GitHub ↗ EN Войти

AC agentic-paper-digest-skill

Получает и обобщает последние статьи arXiv и Hugging Face с помощью Agentic Paper Digest. Используйте, когда пользователь хочет получить дайджест статей, JSON-канал последних статей или запустить конвейер arXiv/HF.

машинный переводПоказать оригиналСкрыть оригинал«Fetches and summarizes recent arXiv and Hugging Face papers with Agent…»

Fetches and summarizes recent arXiv and Hugging Face papers with Agentic Paper Digest. Use when the user wants a paper digest, a JSON feed of recent papers, or to run the arXiv/HF pipeline.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 5 файлов · 4 скрипта тело ≈ 1 760 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Получает и обобщает последние статьи arXiv и Hugging Face с помощью Agentic Paper Digest.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураИИ и агентыИсследованиятип 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
94/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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 scripts/bootstrap.sh:81
      Чтение файла .env
      cp .env.example .env

    Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (agentic-paper-digest-skill) не совпадает с папкой (agentic-paper-digest)
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 65, расплывчатых формулировок: 3
    • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 1760 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 10. 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)
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 189 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 65 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.