SKILLEMALL.ai
EN Войти

AC paper-contribution-helper

Создайте и используйте модульный помощник по вкладу в статьи на основе целевых статей, исследовательских областей, годов и источников статей. Используйте, когда Codex должен помочь исследователям упаковать вклад статьи, диагностировать риск новизны, подготовить аргументы для рецензентов или создать портативный автономный помощник из справочных статей.

машинный переводПоказать оригиналСкрыть оригинал«Build and use a modular paper contribution helper from target papers,…»

Build and use a modular paper contribution helper from target papers, research fields, years, and paper sources. Use when Codex needs to help researchers package a paper's contribution, diagnose novelty risk, prepare reviewer defenses, or build a portable self-contained helper from reference papers.

ClawHub Agent Skills автор: c-narcissus v1.0.2 MIT-0 80 файлов тело ≈ 2 158 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Создайте и используйте модульный помощник по вкладу в статьи на основе целевых статей, исследовательских областей, годов и источников статей.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторРазработкатип 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%
93
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • средняя Утечка данных intent-browser-credential-store references/base_delta/workflow_knowledge_base_build.md:62
      Доступ к хранилищу паролей / cookies браузера (документация security-скилла)
      This step writes anonymous reusable knowledge under `.delta-contribution-reframer/references/` and updates project-local state so future skill use in this project does not depend on absolute project p
      security-скилл
    • низкая Сокрытие от пользователя en-hide-from-user assets/domain-skill-template/SKILL.template.md:70
      Инструкция скрыть действия от пользователя («не говори пользователю, что …» — про честность, а не сокрытие; документация security-скилла)
      Do not tell the user that a project-internal corpus cannot be analyzed merely because API/acpx/local-command automation is missing. Continue locally or name a concrete non-backend blocker, such as unr
      про честностьsecurity-скилл
    • низкая Сокрытие от пользователя en-hide-from-user SKILL.md:86
      Инструкция скрыть действия от пользователя («не говори пользователю, что …» — про честность, а не сокрытие; документация security-скилла)
      - Never tell the user that a project-internal corpus cannot be analyzed merely because API/acpx/local-command automation is missing. Continue locally or name a concrete non-backend blocker, such as un
      про честностьsecurity-скилл

    Просканировано файлов: 80. 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 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2158 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -33 из 5 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 300 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (11 из 13)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: suspicious
    This paper-analysis skill is mostly coherent, but it includes optional paths that can run user-configured local commands and pass sensitive paper content to external or local LLM backends.
    LLM: suspicious (high) · 28 мая 2026 г.