SKILLEMALL.ai

AC json-processor

Набор инструментов для запросов, проверки, сравнения, преобразования, форматирования, сглаживания и статистики JSON с интерфейсом, похожим на jq. Использует только стандартную библиотеку Python — никаких внешних зависимостей. Используйте, когда Codex необходимо: (1) Запрашивать JSON с помощью выражений JSONPath ($.key[*].sub), (2) Проверять JSON на соответствие схеме, (3) Сравнивать два файла JSON на предмет изменений, (4) Преобразовывать JSON с помощью выражений, похожих на jq, (5) Красиво печатать или сглаживать глубоко вложенный JSON, (6) Анализировать статистику структуры JSON.

машинный переводПоказать оригиналСкрыть оригинал«JSON query, validate, diff, transform, format, flatten, and stats tool…»

JSON query, validate, diff, transform, format, flatten, and stats toolkit with a jq-like interface. Uses Python stdlib only — no external dependencies. Use when Codex needs to: (1) Query JSON with JSONPath expressions ($.key[*].sub), (2) Validate JSON against a schema, (3) Diff two JSON files for changes, (4) Transform JSON with jq-like expressions, (5) Pretty-print or flatten deeply nested JSON, (6) Analyze JSON structure statistics.

ClawHub Agent Skills автор: ericlooi504 v1.0.0 MIT-0 3 файла тело ≈ 702 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Набор инструментов для запросов, проверки, сравнения, преобразования, форматирования, сглаживания и статистики JSON с интерфейсом, похожим на jq.

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, отчётность по ходу

АнализаторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 3. 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 59/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 75Шаги. Шагов: 3
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 702 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 438 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 3 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This is a local JSON utility that reads user-selected JSON files and can write user-specified output, with no evidence of network access, credentials, persistence, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.