SKILLEMALL.ai

AB thesis-literature-review-writer

Напишите подробные, академически строгие главы обзора литературы на китайском языке или разделы обзора литературы для диссертаций, дипломных работ и студенческих работ на основе темы пользователя, проблемы исследования, переменных/концепций, теории, метода, популяции, ссылок и дополнительной информации. Используйте, когда пользователи просят написать, расширить, отредактировать, организовать, синтезировать или структурировать только раздел "Обзор литературы"/"Глава вторая"/"文献综述"/"国内外研究现状", включая область поиска, концептуальный обзор, теоретический обзор, эмпирический обзор, темы, пробелы, критику, резюме и переход к исследовательским вопросам или дизайну.

машинный переводПоказать оригиналСкрыть оригинал«Write detailed, academically rigorous Chinese literature review chapte…»

Write detailed, academically rigorous Chinese literature review chapters or literature review sections for theses, dissertations, and undergraduate papers from a user's topic, research problem, variables/concepts, theory, method, population, references, and extra information. Use when users ask to write, expand, polish, organize, synthesize, or structure only the Literature Review/Chapter Two/文献综述/国内外研究现状 section, including search scope, conceptual review, theoretical review, empirical review, themes, gaps, critique, summary, and transition to research questions or design.

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 4 файла тело ≈ 947 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Напишите подробные, академически строгие главы обзора литературы на китайском языке или разделы обзора литературы для диссертаций, дипломных работ и…

Как процесс B 73/100 · Почти готов — слабые места: когда включается, отчётность по ходу

АнализаторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Ошибки и развилки вес 10
55
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: 4. 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 73/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 33, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 947 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 579 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 33 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This appears to be a narrow academic writing helper, with no evidence of unsafe system access or hidden behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.