SKILLEMALL.ai

AC story-short-analyze

Разбор коротких веб-новелл. Разбирает сюжетные ядра, структуру, эмоциональные линии, дизайн поворотов, писательские приемы, уровни резонанса популярных коротких новелл (番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣 и другие популярные жанры). Единый полный конвейер разбора: запуск этапов 2-6 выдает полный отчет о разборе, сохраняя его в `拆文库/{Название книги}/`. Нижний поток `story-short-write` одновременно читает отчет о разборе + узлы сюжета + писательские приемы + оригинал + _meta.json для написания следующей части. Способы активации: /story-short-analyze, /短篇拆文, "拆短篇", "拆这篇短文", "短篇拆文", "精细拆解短篇", "8000 字短篇拆解", "番茄短篇拆文", "故事会拆解", "盐言故事拆解", "分析这篇短篇" — все запускают один и тот же конвейер.

машинный переводПоказать оригиналСкрыть оригинал«短篇网文拆文。拆解爆款短篇小说(番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材)的故事核、结构、情感线…»

短篇网文拆文。拆解爆款短篇小说(番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材)的故事核、结构、情感线、反转设计、写作手法、共鸣层次。 单一全量拆解管道:跑完 Stage 2-6 产出完整拆文报告,落盘到 `拆文库/{书名}/`, 下游 `story-short-write` 同时读拆文报告 + 情节节点 + 写作手法 + 原文 + _meta.json 写下一篇。 触发方式:/story-short-analyze、/短篇拆文、「拆短篇」「拆这篇短文」「短篇拆文」 「精细拆解短篇」「8000 字短篇拆解」「番茄短篇拆文」「故事会拆解」「盐言故事拆解」 「分析这篇短篇」——均进入同一管道。

ClawHub Agent Skills автор: 9438190 v1.0.0 MIT-0 22 файла тело ≈ 2 243 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Разбор коротких веб-новелл.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 22. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2243 токенов

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 317 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (20 из 20)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a disclosed short-fiction analysis skill that reads user-provided story text and writes local analysis outputs, with no evidence of hidden network access, credential use, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 13 июл. 2026 г.