SKILLEMALL.ai

BC lawyer-six-steps

Шесть шагов китайских юристов для ведения дел (анализ фактов → юридический анализ → исследование правовых принципов → поиск прецедентов → судебные правила → прогнозирование результата), генерация полного отчета по анализу дела. Применимо для юристов при проведении судебного анализа гражданских и коммерческих дел, проверке условий, выявлении доказательств, прогнозировании возражений, оценке шансов на успех. Разделяется на упрощенный режим (простые дела) и углубленный режим (сложные дела). Способ вызова: официальная команда /lawyer-six-steps; слова для естественного языка включают «шесть шагов», «анализ дела», «анализ ведения дела», «судебный прогноз», «проверка условий».

машинный переводПоказать оригиналСкрыть оригинал«中国律师办案六步法(事实梳理→法律分析→法理研究→案例检索→裁判规则→结果预判),生成完整案件分析报告。 适用于律师对民商事案件做诉讼分析、…»

中国律师办案六步法(事实梳理→法律分析→法理研究→案例检索→裁判规则→结果预判),生成完整案件分析报告。 适用于律师对民商事案件做诉讼分析、要件审查、证据排查、抗辩预判、胜诉率评估。 分简易模式(简单案件)与深度模式(复杂案件)。 触发方式:正式命令 /lawyer-six-steps;自然语言触发词包括「六步法」「案件分析」「办案分析」「诉讼预判」「要件审查」。

ClawHub Agent Skills автор: Jack Yang v0.1.3 MIT-0 6 файлов тело ≈ 551 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Шесть шагов китайских юристов для ведения дел (анализ фактов → юридический анализ → исследование правовых принципов → поиск прецедентов → судебные правила →…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 6. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 54
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 551 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 183 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is an instruction-only legal analysis skill whose file saving and web-search behavior are disclosed and aligned with its report-generation purpose, though users should handle confidential matter data carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.