SKILLEMALL.ai
GitHub ↗ EN Войти

BD Prezentit - AI Presentation Generator

GET /api/v1/me/credits Authorization: Bearer {PREZENTITAPIKEY} { "credits": 100, "pricing": { "outlinePerSlide": 5, "designPerSlide": 10, "estimatedCostPerSlide": 15 }, "ai": { "canGenerate": true,...

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 5 468 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

GET /api/v1/me/credits Authorization: Bearer {PREZENTITAPIKEY} { "credits": 100, "pricing": { "outlinePerSlide": 5, "designPerSlide": 10…

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

ИнтеграцияPowerPointИИ 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
B
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
50
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 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")
  • предупреждение body-long тело SKILL.md ≈ 5468 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 36/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (Prezentit - AI Presentation Generator) не совпадает с папкой (prezentit)
  • 43Шаги. Шагов: 2, расплывчатых формулировок: 1
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5468 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +4Структура: 0 заголовков, инструкции сложно сканировать
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -5Длинный текст без заголовков
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Есть примеры (28 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 50.