SKILLEMALL.ai

AB hk-nearby-facilities

Находит общественные туалеты (公廁 / washroom / restroom / toilet) в Гонконге по ключевому слову или общей геолокации, используя официальные правительственные данные. Используйте, когда пользователь спрашивает на кантонском, китайском или английском языке что-то вроде «大埔墟附近有冇公廁», «沙田站最近廁所喺邊», «旺角 public toilet near me», «附近有冇洗手間» или делится координатами / геолокацией и хочет найти ближайшее заведение. Этот навык в настоящее время поддерживает только общественные туалеты, но в будущем может быть расширен для других объектов, таких как заправочные станции.

машинный переводПоказать оригиналСкрыть оригинал«Find nearby Hong Kong public facilities by place keyword or shared liv…»

Find nearby Hong Kong public facilities by place keyword or shared live location, starting with public toilets (公廁 / washroom / restroom / toilet) using official government data. Use when the user asks in Cantonese, Chinese, or English things like「大埔墟附近有冇公廁」「沙田站最近廁所喺邊」「旺角 public toilet near me」「附近有冇洗手間」or shares coordinates / live location and wants the nearest facility. This skill currently supports public toilets first and can be extended later with other facilities such as petrol stations.

ClawHub Agent Skills автор: jimpang8 v0.1.0 MIT-0 3 файла тело ≈ 647 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Находит общественные туалеты (公廁 / washroom / restroom / toilet) в Гонконге по ключевому слову или общей геолокации, используя официальные правительственные…

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 3. 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 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 647 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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 497 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is a focused Hong Kong public-toilet lookup skill that runs a local Python script and fetches public FEHD data as disclosed.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.