SKILLEMALL.ai

AC dataify-review-intelligence

Анализируйте отзывы или общедоступные отзывы клиентов из различных источников и формируйте темы, сигналы настроений и продуктовые действия. Используйте для анализа отзывов, анализа жалоб, исследований голоса клиента или тем репутации. Не используйте для загрузки необработанных комментариев только с одной именованной платформы без анализа.

машинный переводПоказать оригиналСкрыть оригинал«Analyze reviews or public customer feedback across multiple sources an…»

Analyze reviews or public customer feedback across multiple sources and produce themes, sentiment signals, and product actions. Use for review mining, complaint analysis, voice-of-customer research, or reputation themes. Do not use to download raw comments from only one named platform without analysis.

ClawHub Agent Skills автор: dataify-server v1.0.3 MIT-0 23 файла тело ≈ 1 108 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Анализируйте отзывы или общедоступные отзывы клиентов из различных источников и формируйте темы, сигналы настроений и продуктовые действия.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, отчётность по ходу

АнализаторИнфраструктураПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-password-literal scripts/task_runtime.py:38
      Захардкоженный пароль / ключ (возможно, пример)
      api_key = api_key[7:].strip()

    Просканировано файлов: 10. 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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1108 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -36 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 303 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    The skill matches its review-analysis purpose, but it handles a Dataify API token and resumable local state in ways that could expose credentials or local files.
    LLM: suspicious (high) · 7 сент. 2026 г.