SKILLEMALL.ai

AC interactive-document-writing

Через полностью интерактивный диалог вопрос-ответ, поглавно создает, пишет и проверяет длинные документы. Подходит для белых книг, предложений, руководств пользователя, аналитических отчетов и других документов, требующих глубокого совместного творчества. Используйте, когда пользователь упоминает "интерактивное написание документов", "совместное написание белой книги", "обсуждение по главам", "пошаговое написание документов", "помоги мне написать предложение/отчет/руководство", или когда пользователь хочет создать любой длинный документ посредством вопросов и ответов. Даже если пользователь просто говорит "напиши документ XX", если документ предположительно превышает 3 главы, следует рассмотреть использование этого навыка. Также активируйте этот навык, когда пользователь говорит "продолжить писать документ", "продолжить с предыдущего документа", чтобы возобновить процесс с точки сохранения.

машинный переводПоказать оригиналСкрыть оригинал«通过全交互式问答对话,逐章节完成长文档的创建、编写和审计。适用于白皮书、方案书、用户手册、分析报告等需要深度共创的文档。 当用户提到"交互式…»

通过全交互式问答对话,逐章节完成长文档的创建、编写和审计。适用于白皮书、方案书、用户手册、分析报告等需要深度共创的文档。 当用户提到"交互式写文档"、"一起写白皮书"、"逐章讨论"、"Step by Step写文档"、"帮我写方案书/报告/手册", 或者用户想通过问答方式完成任何长文档编写时,使用此技能。即使用户只是说"写一篇XX文档",只要文档预计超过3个章节,也应考虑使用此技能。 用户说"继续写文档"、"接着上次的文档"时也应触发此技能以走断点恢复流程。

ClawHub Agent Skills автор: jiargcn v1.0.0 MIT-0 3 файла тело ≈ 1 788 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Через полностью интерактивный диалог вопрос-ответ, поглавно создает, пишет и проверяет длинные документы.

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

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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: 3. 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: 81
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1788 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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

  • +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 6 примера фраз-триггеров в кавычках
  • +3Длина description 231 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 81 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese-language workflow for collaboratively writing long documents; it can read and edit project documents and keep a local progress file, but I found no hidden code, credentials, network use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.