SKILLEMALL.ai

BD chef-cooking

AI-помощник по домашней кухне. Введите ингредиенты/желаемое блюдо/предпочтения в питании, и он автоматически порекомендует рецепты, предоставит пошаговые инструкции по приготовлению, предложит замену ингредиентов, спланирует меню на несколько дней, ответит на вопросы о кулинарных техниках и сгенерирует отчет в виде HTML-карточек. Охватывает восемь кулинарных стилей Китая + домашнюю кухню, имеет встроенную библиотеку из 200+ рецептов + поиск в интернете для дополнения. Триггеры: что приготовить, как приготовить, рецепт, кулинария, готовка, поесть, что сегодня на ужин, посоветуй блюдо, жарка, тушение, на пару, суп, домашняя кухня, сычуаньская кухня, кантонская кухня, планирование меню, замена ингредиентов, кулинарные техники, безопасность на кухне, шеф-повар, приготовление, рецепт, помоги мне приготовить, что на ужин, что на обед, как жарить, как тушить, как варить

машинный переводПоказать оригиналСкрыть оригинал«AI 智能家庭厨助。输入食材/想吃的菜/饮食偏好,自动推荐菜谱、输出烹饪步骤指导、食材替换建议、多日菜单规划、烹饪技巧问答,生成卡片式交互…»

AI 智能家庭厨助。输入食材/想吃的菜/饮食偏好,自动推荐菜谱、输出烹饪步骤指导、食材替换建议、多日菜单规划、烹饪技巧问答,生成卡片式交互 HTML 报告。覆盖八大菜系+家常菜,内置 200+ 菜谱库 + 联网搜索补充。Triggers: 做什么菜, 怎么做, 菜谱, 食谱, 烹饪, 做饭, 下厨房, 今天吃什么, 推荐菜, 炒菜, 红烧, 清蒸, 煲汤, 家常菜, 川菜, 粤菜, 菜单规划, 食材替换, 烹饪技巧, 厨房安全, chef, cooking, recipe, 帮我做菜, 晚餐吃什么, 午餐吃什么, 怎么炒, 怎么炖, 怎么煮

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 11 файлов тело ≈ 822 токенов Открыть источникclawhub.ai проанализирован 20 ч назад

AI-помощник по домашней кухне.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 11. 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 "triggers"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 822 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

  • +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 273 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a coherent cooking assistant that reads a bundled recipe database and can create disclosed local HTML recipe reports, with only modest privacy and accidental-activation caveats.
LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.