SKILLEMALL.ai

AB factoriago

Ассистент платформы FactoriaGo — ИИ-управляемая доработка и повторная подача научных статей. Активируйте, когда пользователь упоминает: FactoriaGo, доработать статью, комментарии рецензента, повторно подать, редактирование LaTeX, доработка статьи, доработка рукописи, повторная подача в журнал, ответ рецензенту, редактирование научной статьи, письмо с исправлениями, ответить рецензентам, подача статьи. Поддерживает: (1) онбординг новых пользователей на factoriago.com, (2) вызов FactoriaGo API для управления проектами/задачами/файлами, (3) генерация писем с ответами рецензентам, (4) анализ отзывов рецензентов и создание стратегий доработки.

машинный переводПоказать оригиналСкрыть оригинал«FactoriaGo platform assistant — AI-driven academic paper revision and…»

FactoriaGo platform assistant — AI-driven academic paper revision and resubmission. Activate when user mentions: FactoriaGo, revise paper, reviewer comments, resubmit, LaTeX editing, paper revision, manuscript revision, journal resubmission, reviewer response, academic paper editing, revision letter, respond to reviewers, paper submission. Supports: (1) onboarding new users to factoriago.com, (2) calling FactoriaGo API to manage projects/tasks/files, (3) generating reviewer response letters, (4) analyzing reviewer feedback and creating revision strategies.

ClawHub Agent Skills автор: Ge Yanhao v2.9.7 MIT-0 7 файлов тело ≈ 1 396 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ассистент платформы FactoriaGo — ИИ-управляемая доработка и повторная подача научных статей.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

ИнтеграцияLaTeXИсследованияТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
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: 7. 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 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 51
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1396 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 562 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 51 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    The skill appears aimed at academic revision support, but it repeatedly normalizes unsafe handling of account sessions and API keys that users should review before installing.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.