SKILLEMALL.ai
GitHub ↗ EN Войти

BF Semantic Scholar Search

Ищите научные статьи, получайте подробную информацию о статьях, профили авторов и данные цитирования через Semantic Scholar API. Этот навык предоставляет возможности для комплексного поиска научной литературы...

машинный переводПоказать оригиналСкрыть оригинал«Search for academic papers, get detailed paper information, author pro…»

Search for academic papers, get detailed paper information, author profiles, and citation data through Semantic Scholar API. This skill provides comprehensive academic literature search capabilitie...

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 969 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Ищите научные статьи, получайте подробную информацию о статьях, профили авторов и данные цитирования через Semantic Scholar API.

Как процесс F 39/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: ../sci-data-extractor/, ../pubmed-search-skill/, ../sci-hub-search-skill/

ИнтеграцияИсследованиятип 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%
95
Качество 40%
58
Прогон на моделях
не было
Процессный рейтинг
F
39/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: ../sci-data-extractor/, ../pubmed-search-skill/, ../sci-hub-search-skill/
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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
  • средняя Опасные команды cmd-pipe-to-shell-known-host README.md:60
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -LsSf https://astral.sh/uv/install.sh | sh

Просканировано файлов: 4. 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 missing-ref ссылка на отсутствующий файл: ../sci-data-extractor/
  • предупреждение missing-ref ссылка на отсутствующий файл: ../pubmed-search-skill/
  • предупреждение missing-ref ссылка на отсутствующий файл: ../sci-hub-search-skill/

Процессный рейтинг: все десять параметров 39/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../sci-data-extractor/, ../pubmed-search-skill/, ../sci-hub-search-skill/
  • 0Инструменты и файлы. Не хватает 3 файла(ов): ../sci-data-extractor/, ../pubmed-search-skill/, ../sci-hub-search-skill/
  • 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
  • 40Согласованность. Имя во frontmatter (Semantic Scholar Search) не совпадает с папкой (semanticscholar-search-skill)
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 14
  • 100Стоимость исполнения. Тело инструкции 969 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 58.