SKILLEMALL.ai

AD gaokao-advisor

Консультант по подаче заявок на поступление в вузы после Гаокао. Используйте этот skill, когда пользователь упоминает темы, связанные с подачей заявок на поступление в вузы после Гаокао, выбором университета, подачей заявок, выбором школы на основе имитационных баллов, выбором специальности, запросом проходных баллов, шестиугольным анализом, стратегией "риск-стабильность-безопасность", параллельными заявками, выбором предметов в новой системе Гаокао, выбором университета, рейтингом университетов, перспективами трудоустройства по специальности. Триггерные слова включают: Гаокао, подача заявок в вузы, поступление, проходные баллы, линия приема, выбор специальности, выбор университета, риск-стабильность-безопасность, распределение по баллам, ранг, новая система Гаокао, выбор предметов, рейтинг университетов, уровень трудоустройства, трудоустройство по специальности, сколько баллов я набрал, чтобы поступить в какой вуз, куда подавать заявку на основе имитационного экзамена, какие заявки подавать.

машинный переводПоказать оригиналСкрыть оригинал«高考志愿填报顾问技能。当用户提到高考志愿、报考大学、填志愿、模拟分数报什么学校、专业选择、录取分数线查询、六边形分析、冲稳保、平行志愿、新高…»

高考志愿填报顾问技能。当用户提到高考志愿、报考大学、填志愿、模拟分数报什么学校、专业选择、录取分数线查询、六边形分析、冲稳保、平行志愿、新高考选科、选大学、大学排名、专业就业前景等话题时使用此技能。触发词包括:高考、志愿填报、报考、分数线、录取线、专业选择、选大学、冲稳保、一分一段、位次、新高考、选科、大学排名、就业率、专业就业、我考了多少分能上什么学校、模拟考报什么、该填什么志愿。

ClawHub Agent Skills автор: jannik689 v1.0.0 MIT-0 5 файлов тело ≈ 1 154 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Консультант по подаче заявок на поступление в вузы после Гаокао.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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: 5. 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 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (gaokao-advisor) не совпадает с папкой (gaokao-tool)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 64
  • 100Стоимость исполнения. Тело инструкции 1154 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 193 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 64 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a Chinese gaokao admissions-advice skill that uses public education data and relevant student inputs, with no executable code, credential access, persistence, or hidden behavior found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.