SKILLEMALL.ai
GitHub ↗ EN Войти

AC whu-campus

Получение новостей кампуса Уханьского университета, включая важные новости, лекции, мероприятия, уведомления и т. д., из различных официальных аккаунтов WeChat Уханьского университета. Активируется, когда пользователь спрашивает "Какие новости в УУ?", "Новости кампуса УУ?". Особое внимание уделяется контенту из аккаунта "全心权益" Уханьского университета. Все поисковые ключевые слова должны включать текущую дату для обеспечения своевременности. Выводить только мероприятия, которые еще не состоялись.

машинный переводПоказать оригиналСкрыть оригинал«获取武汉大学校园新闻，包括重大新闻、讲座、活动、通知等，来源为武汉大学各微信公众号。当用户询问"武大有什么新闻"、"武大校园消息"时触发。重…»

获取武汉大学校园新闻，包括重大新闻、讲座、活动、通知等，来源为武汉大学各微信公众号。当用户询问"武大有什么新闻"、"武大校园消息"时触发。重点爬取"武汉大学全心权益"公众号内容。所有搜索关键词必须包含当前日期，确保时效性。只输出还未举办的活动。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 360 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Получение новостей кампуса Уханьского университета, включая важные новости, лекции, мероприятия, уведомления и т.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип 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
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 360 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 122 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.