SKILLEMALL.ai
EN Войти

AB ai-writing-diagnosis

Диагностика почерка ИИ для китайского текста. Используйте, когда Codex должен проверить черновик на наличие слишком гладких, шаблонных, общих или безличных паттернов письма; цитировать точные отрывки, которые кажутся созданными машиной; отличать реальные проблемы от ложных срабатываний; и предлагать, что исправить в первую очередь, не переписывая сразу все произведение.

машинный переводПоказать оригиналСкрыть оригинал«AI-writing fingerprint diagnosis for Chinese text. Use when Codex need…»

AI-writing fingerprint diagnosis for Chinese text. Use when Codex needs to inspect a draft for overly smooth, formulaic, generic, or authorless writing patterns; quote the exact passages that feel machine-made; distinguish real problems from false alarms; and suggest what to fix first without immediately rewriting the whole piece.

ClawHub Agent Skills автор: cellinlab v0.1.0 MIT-0 6 файлов тело ≈ 949 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Диагностика почерка ИИ для китайского текста.

Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия, согласованность, отчётность по ходу

АнализаторИнфраструктураРазработкатип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Согласованность вес 8
40
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: 6. 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 69/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (ai-writing-diagnosis) не совпадает с папкой (cell-ai-writing-diagnosis)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 55
    • 100Стоимость исполнения. Тело инструкции 949 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 55 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    No malicious behavior is evident from the supplied scan signals or the available workspace context.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.