SKILLEMALL.ai

AC reviewcourt

Навык принятия решений по обзору требований после совещания на основе официального CLI Tencent Meeting tmeet. Используйте, когда пользователю нужно проанализировать совещание по обзору требований, PRD или технического решения, определить, было ли требование принято, принято с условиями, отклонено или недостаточно информации, а также извлечь вопросы, ответы, блокирующие условия, прямые цитаты и критерии приемки из интеллектуального протокола и построчной транскрипции; также используется, когда пользователь одновременно предоставляет PRD, документ с требованиями или документ с решением, требуя сверки выводов совещания с документами на предмет упущений, конфликтов и нового контента. Не используется для обычных протоколов совещаний, планирования совещаний, прослушивания в реальном времени во время совещания, автоматической отправки, автоматического изменения документов или оценки производительности сотрудников.

машинный переводПоказать оригиналСкрыть оригинал«基于腾讯会议官方 tmeet CLI 的会后需求评审裁决 Skill。当用户需要复盘需求评审、PRD 评审或技术方案评审会议,判断需求是通过…»

基于腾讯会议官方 tmeet CLI 的会后需求评审裁决 Skill。当用户需要复盘需求评审、PRD 评审或技术方案评审会议,判断需求是通过、有条件通过、驳回还是信息不足,并从智能纪要和逐段转写中提取质疑、答复、阻塞条件、原话证据与验收标准时使用;也用于用户同时提供 PRD、需求文档或方案文档,要求核对会议结论与文档的遗漏、冲突和新增内容。不用于普通会议纪要、会议预约、实时会中监听、自动外发、自动修改文档或员工表现评价。

ClawHub Agent Skills автор: Chris Wang v1.0.1 MIT-0 4 файла тело ≈ 1 205 токенов Открыть источникclawhub.ai проанализирован 26 ч назад

Навык принятия решений по обзору требований после совещания на основе официального CLI Tencent Meeting tmeet.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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: 4. 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")

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 59
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1205 токенов

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 212 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 59 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This skill is a coherent Tencent Meeting review assistant that discloses its CLI/OAuth use and does not contain hidden scripts or unrelated data actions.
LLM: benign (high) · VirusTotal: · 20 июл. 2026 г.