SKILLEMALL.ai

AC cross-verify

Перекрестная проверка точности информации, выявление предвзятости и логических пробелов. Активируется, когда пользователь говорит "есть ли проблемы с этим текстом", "надежны ли эти данные", "помоги мне проверить этот текст на предвзятость", "точна ли эта информация", "проверь этот текст" или просто передает текст/данные для проверки. Также активируется, когда пользователь вставляет любой текст, содержащий статистику, утверждения или заявления, и просит проверить его.

машинный переводПоказать оригиналСкрыть оригинал«交叉验证信息准确性、识别偏见和逻辑漏洞。当用户说"这段话有没有问题"、"这个数据可靠吗"、"帮我看看这段有没有偏见"、"这个信息准确吗"、"…»

交叉验证信息准确性、识别偏见和逻辑漏洞。当用户说"这段话有没有问题"、"这个数据可靠吗"、"帮我看看这段有没有偏见"、"这个信息准确吗"、"核查一下这段",或直接丢入一段文字/数据要求检查时触发。Also triggers when the user pastes any text containing statistics, claims, or assertions and asks for verification.

ClawHub Agent Skills автор: Irving ZHAO v1.0.0 MIT-0 2 файла тело ≈ 385 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Перекрестная проверка точности информации, выявление предвзятости и логических пробелов.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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

    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: 2. 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

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 28
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 385 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

    • +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
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 213 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only fact-checking skill that may use web search for pasted claims, with no code execution, credentials, persistence, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.