SKILLEMALL.ai

BF jf-open-pro-ai-joblover

Навык проверки рабочих мест на открытой платформе Jiefeng. Отслеживает статус сотрудников в реальном времени, отправляет уведомления о прибытии и убытии сотрудников, в реальном времени обнаруживает аномальное поведение на рабочем месте, записывает и подсчитывает данные о поведении сотрудников на рабочем месте, повышает эффективность и безопасность проверок, снижает затраты на ручные проверки.

машинный переводПоказать оригиналСкрыть оригинал«杰峰开放平台岗位巡检技能。实时监控员工在岗状态,推送员工到岗、离岗通知,对在岗异常行为实时检测,记录并统计在岗人员的行为数据,提升巡检效率、…»

杰峰开放平台岗位巡检技能。实时监控员工在岗状态,推送员工到岗、离岗通知,对在岗异常行为实时检测,记录并统计在岗人员的行为数据,提升巡检效率、安全性,降低人工巡检成本。

ClawHub Agent Skills автор: jftech v1.0.1 MIT-0 7 файлов тело ≈ 3 100 токенов Открыть источникclawhub.ai проанализирован 13 ч назад

Навык проверки рабочих мест на открытой платформе Jiefeng.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/inspection-api.md

ИнтеграцияРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/inspection-api.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/inspection-api.md

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/inspection-api.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/inspection-api.md
  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Шаги. Шагов: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3100 токенов
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 83: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -262 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 44 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (9 блоков кода)
  • +3Все 5 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: suspicious
The skill is coherent for JF Tech employee duty monitoring, but it handles surveillance data, credentials, and monitoring configuration changes without enough safeguards or warnings.
LLM: suspicious (high) · 30 июл. 2026 г.