SKILLEMALL.ai

AB literature-review

Создает или проверяет обзор литературы. Создает карту доказательств, ближайшую предыдущую работу, кластеры источников, вердикт о пробеле и план синтеза для введения. Используйте, когда пользователь спрашивает, является ли вклад новым, кто изучал вопрос, что устанавливает литература, как организовать или реструктурировать обзор, или хочет получить список литературы, экспорт Zotero или стопку статей, превращенную в обзор. Создает шаблон протокола систематического обзора и направляет запросы на систематический обзор или мета-анализ на регистрацию, PROSPERO или OSF, и инструменты скрининга.

машинный переводПоказать оригиналСкрыть оригинал«Builds or audits a literature review. Produces an evidence map, closes…»

Builds or audits a literature review. Produces an evidence map, closest prior work, source clusters, a gap verdict, and a synthesis plan for the introduction. Use when the user asks whether a contribution is novel, who has studied a question, what the literature establishes, how to organize or restructure a review, or wants a reading list, Zotero export, or paper pile turned into a review. Produces a systematic-review protocol scaffold and directs PRISMA or meta-analysis requests to registration, PROSPERO or OSF, and screening tools.

scdenney/open-science-skills Claude Code автор: scdenney NOASSERTION 1 файл тело ≈ 1 588 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Создает или проверяет обзор литературы.

Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия

АнализаторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
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: 1. 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 69/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 45
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1588 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 539 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

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