SKILLEMALL.ai
EN Войти

AA methodology-extractor

Пакетное извлечение экспериментальных методов из нескольких статей для протокола.

машинный переводПоказать оригиналСкрыть оригинал«Batch extraction of experimental methods from multiple papers for prot…»

Batch extraction of experimental methods from multiple papers for protocol.

ClawHub Agent Skills автор: AIpoch v1.0.0 MIT-0 4 файла тело ≈ 1 789 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Пакетное извлечение экспериментальных методов из нескольких статей для протокола.

Как процесс A 84/100 · Дойдёт до конца — трудных мест не видно

СправочникИнфраструктураИсследованиятип 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
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
A
84/100
Дойдёт до конца
Когда включается вес 12
50
Инструменты и файлы вес 18
60
Входы и предусловия вес 11
70
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "skill-author"

    Процессный рейтинг: все десять параметров 84/100

    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 72
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1789 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 22. Похоже на несколько доменов в одном скилле

    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)
    • +3Длина description 75: рекомендуется 120–800 символов
    • +2Инструкции на одном языке
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 72 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a small, disclosed local helper for comparing research-paper methods, with no evidence of hidden access, networking, credentials, persistence, or destructive behavior.
    LLM: benign (high) · 28 мая 2026 г.