SKILLEMALL.ai
EN Войти

AC ai-gmail-inbox-classifier-auto-archive-with-hourly-telegram

AI Gmail Inbox Classifier & Auto-Archive с ежечасными оповещениями Telegram: автоматически организуйте и очищайте свой почтовый ящик Gmail каждый час без вашего участия. Эта автоматизация электронной почты с помощью ИИ читает каждое новое сообщение, классифицирует его по одной из одиннадцати ваших собственных меток Gmail (в группах меток «00 Automated», «00 Human» и «00 Bookkeeping»), применяет правильную метку и архивирует его из вашего почтового ящика — так вы достигнете нулевого уровня входящих сообщений, не прилагая усилий. Как только сообщение помечено как «Важное», вы получаете мгновенное уведомление.

машинный переводПоказать оригиналСкрыть оригинал«AI Gmail Inbox Classifier & Auto-Archive with Hourly Telegram Alerts:…»

AI Gmail Inbox Classifier & Auto-Archive with Hourly Telegram Alerts: Automatically organize and clean up your Gmail inbox every hour, hands-free. This AI email automation reads each new message, classifies it into one of eleven of your own Gmail labels (across the "00 Automated", "00 Human", and "00 Bookkeeping" label groups), applies the right label, and archives it out of your inbox — so you reach inbox zero without lifting a finger. The moment a message is tagged Important, you get an insta.

ClawHub Agent Skills автор: AgentPMT v1.0.4 MIT-0 2 файла тело ≈ 2 362 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

AI Gmail Inbox Classifier & Auto-Archive с ежечасными оповещениями Telegram: автоматически организуйте и очищайте свой почтовый ящик Gmail каждый час без…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураTelegramGmailИИ и агентыЛичная продуктивностьтип 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
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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.
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: 2. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 52/100

  • 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
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 82
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2362 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

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 500 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 82 пунктов
  • +4Есть примеры (3 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This skill openly automates Gmail triage, but it gives a hosted workflow broad recurring access to read, label, and archive every inbox email and send important-email alerts through Telegram.
LLM: suspicious (medium) · 10 авг. 2026 г.