SKILLEMALL.ai
GitHub ↗ EN Войти

AC gmail-manager

Экспертный помощник по управлению Gmail через Rube MCP. Используйте это, когда пользователь упоминает управление почтовым ящиком, организацию электронной почты, сортировку электронной почты, нулевой почтовый ящик, организацию писем, проверку писем, отправку писем, продуктивность электронной почты или оптимизацию рабочего процесса Gmail. Предоставляет интеллектуальные рабочие процессы и лучшие практики для эффективной обработки электронной почты.

машинный переводПоказать оригиналСкрыть оригинал«Expert Gmail management assistant via Rube MCP. Use this when the user…»

Expert Gmail management assistant via Rube MCP. Use this when the user mentions inbox management, email organization, email triage, inbox zero, organizing emails, checking emails, sending emails, email productivity, or Gmail workflow optimization. Provides intelligent workflows and best practices for efficient email handling.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 2 338 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Экспертный помощник по управлению Gmail через Rube MCP.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураGmailИИ и агентыЛичная продуктивностьтип 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%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
54/100
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 2. 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 54/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 14, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 28
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2338 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 327 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 33 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +4Есть примеры (25 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.