SKILLEMALL.ai

CC academic-figures

Хватит переделывать графики. Одна команда создает готовые к публикации графики: 15 типов графиков (столбчатые, точечные, тепловые карты, лесные, KM, ROC, скрипичные, составные, PRISMA 2020 обзорные потоковые...), 7 кураторских тем, включая безопасные для дальтоников Okabe-Ito/GLM, 9 пресетов журналов (Nature/Lancet/Science/Cell/NEJM/JAMA/IEEE + китайские CMA и CN-core с авто CJK), встроенная проверка PDF (перекрытие текста + минимальный размер шрифта), которая выявляет недопустимые дефекты перед экспортом, анализатор --suggest, который выбирает правильный тип графика из ваших данных, --stats автоматические скобки значимости, --alt альтернативный текст для доступности, ввод Excel (xlsx) и 10 шаблонов сценариев. Вывод PNG/SVG/PDF/TIFF/EPS с разрешением 600 dpi, 100% локально, данные никогда не покидают вашу машину. Триггеры: make figure, generate chart, plot data, bar chart, scatter plot, heatmap, forest plot, Kaplan-Meier, ROC curve, survival curve, violin plot, composite figure, flow diagram, PRISMA flow, systematic review, publication-ready figure, journal figure, publication figure, hatching, colorblind-safe palette, 600dpi export.

машинный переводПоказать оригиналСкрыть оригинал«Stop redoing figures. One command renders publication-ready charts: 15…»

Stop redoing figures. One command renders publication-ready charts: 15 chart types (bar, scatter, heatmap, forest, KM, ROC, violin, composite, PRISMA 2020 review flow...), 7 curated themes incl. colorblind-safe Okabe-Ito/GLM, 9 journal presets (Nature/Lancet/Science/Cell/NEJM/JAMA/IEEE + Chinese CMA and CN-core with auto CJK), built-in PDF verification (text-overlap + minimum font-size gates) that catches rejection-worthy flaws before you export, a --suggest analyzer that picks the right chart type from your data, --stats auto significance brackets, --alt accessibility text, Excel (xlsx) input, and 10 scenario templates. 600dpi PNG/SVG/PDF/TIFF/EPS output, 100% local, data never leaves your machine. Triggers: make figure, generate chart, plot data, bar chart, scatter plot, heatmap, forest plot, Kaplan-Meier, ROC curve, survival curve, violin plot, composite figure, flow diagram, PRISMA flow, systematic review, publication-ready figure, journal figure, publication figure, hatching, colorblind-safe palette, 600dpi export.

ClawHub Agent Skills автор: docsor1212 v2.4.0 MIT-0 52 файла тело ≈ 10 226 токенов Открыть источникclawhub.ai проанализирован 2 ч назад

Хватит переделывать графики.

Как процесс C 57/100 · Есть пробелы — слабые места: входы и предусловия, стоимость исполнения, повторный запуск

АнализаторExcelЛичная продуктивностьДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
74/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
36
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Стоимость исполнения вес 6
40
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.
  2. Сократите description до 1024 символов.
  3. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 52. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1036 символов, лимит 1024
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 10226 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "date"
  • заметка frontmatter-key неизвестное поле фронтматтера "requires"
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 378): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 57/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 10226 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 94, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 27. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 1035: рекомендуется 120–800 символов
  • -32 из 8 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 35 заголовков
  • +3Пошаговые инструкции: 94 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 36.

Внешние проверки

ClawHub: clean
This is a local academic chart-generation skill; the main risks are ordinary local file handling and a documentation mention of a separate cloud Pro service, not hidden malicious behavior.
LLM: benign (high) · VirusTotal: · 12 сент. 2026 г.