SKILLEMALL.ai

AC cjg-paper-fact-checker

Используйте, когда статья передается или представляется на групповом совещании, лабораторном семинаре или в книжном клубе, и пользователь хочет проверить ее перед углубленным изучением — например, говорит «靠谱吗», «核查下这篇文献», «引文真实吗», «fact check this paper», «图片是不是抄的». Активируется при передаче статьи (название/DOI/PDF/список цитирования) во время или после сеанса Tencent Meeting. Особенно для презентаций статей на групповых совещаниях, где неверные цитаты тратят время всех.

машинный переводПоказать оригиналСкрыть оригинал«Use when a paper is being shared or presented in a group meeting, lab…»

Use when a paper is being shared or presented in a group meeting, lab seminar, or reading club and the user wants to vet it before diving in — e.g. says '这篇靠谱吗'、'核查下这篇文献'、'引文真实吗'、'fact check this paper'、'图片是不是抄的'. Triggers on a shared paper (title/DOI/PDF/引用列表) during or after a Tencent Meeting session. Especially for group-meeting paper presentations where bad citations waste everyone's time.

ClawHub Agent Skills автор: J-levee v2.0.1 MIT-0 5 файлов тело ≈ 854 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Используйте, когда статья передается или представляется на групповом совещании, лабораторном семинаре или в книжном клубе, и пользователь хочет проверить ее…

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

ПроцедураИсследованияДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    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: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 854 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 396 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    The skill is a disclosed paper fact-checking workflow, but users should be aware that it can involve meeting transcripts, speaker attribution, external checking services, and local usage logging.
    LLM: benign (medium) · VirusTotal: · 19 июл. 2026 г.