SKILLEMALL.ai

BD 校园邮件模板

Генерация, переписывание и редактирование стандартных китайских электронных писем и официальных документов для студенческой среды, охватывающих отпуска по учебе или мероприятиям, общение с научным руководителем и отчеты о ходе выполнения дипломной работы, подачу заявок на стажировку, заявления на стипендию и самопрезентации, запросы на изменение расписания, официальные уведомления о мероприятиях в кампусе и массовые рассылки. Используется, когда пользователь предоставляет сценарий использования и основную личную информацию, требуя получить электронное письмо, официальный документ, заявление, уведомление или шаблон со стандартным форматированием, вежливым тоном, четким разделением на абзацы, сохранением полей для заполнения и возможностью прямого копирования и отправки.

машинный переводПоказать оригиналСкрыть оригинал«生成、改写和润色校园学生场景的规范中文邮件与书面公文,覆盖课程或活动请假、导师沟通与毕业设计进度汇报、实习岗位投递、奖学金申请与自述、调课申…»

生成、改写和润色校园学生场景的规范中文邮件与书面公文,覆盖课程或活动请假、导师沟通与毕业设计进度汇报、实习岗位投递、奖学金申请与自述、调课申请、校园活动正式通知与群发邮件等。用于用户提供使用场景和个人基础信息,要求获得格式标准、措辞礼貌、分段清晰、保留待填信息且可直接复制发送的邮件、公文、申请书、通知或模板时。

ClawHub Agent Skills автор: caroljiang150-ai v1.0.0 MIT-0 3 файла тело ≈ 460 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Генерация, переписывание и редактирование стандартных китайских электронных писем и официальных документов для студенческой среды, охватывающих отпуска по…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (校园邮件模板) не совпадает с папкой (email-module-developer)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 37
  • 100Стоимость исполнения. Тело инструкции 460 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 156 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This skill is a straightforward Chinese campus email and document template helper with no executable code, hidden data access, persistence, or privileged behavior.
LLM: benign (high) · VirusTotal: · 12 авг. 2026 г.