SKILLEMALL.ai

BD ZeeLin AI头部简讯

Высококачественная агрегация и фильтрация информации в области ИИ. Активируется, когда пользователь запрашивает последние новости в области ИИ, передовые статьи, популярные инструменты, тенденции отрасли. Охватывает четыре основные области: AIGC (генерация текста/изображений/видео), виртуальные цифровые люди, инструменты для создания коротких видео/сериалов с ИИ, применение ИИ в области интеллектуального распространения/общественного мнения/журналистики. Автоматически извлекает, фильтрует, оценивает и генерирует глобальный китайский ИИ-бюллетень из четырех источников: arXiv, GitHub, Hacker News, Hugging Face. Поддерживает два режима вывода: ежедневные краткие сводки и еженедельные подробные обзоры. Используется, когда пользователь говорит «еженедельный отчет по ИИ», «какие новые достижения в ИИ на этой неделе», «помоги мне отслеживать передовые информационные бюллетени по ИИ» и подобные фразы.

машинный переводПоказать оригиналСкрыть оригинал«AI领域高质量信息聚合与过滤 skill。当用户要求获取AI领域最新动态、前沿论文、热门工具、行业趋势时触发。覆盖AIGC(文本/图像/视频…»

AI领域高质量信息聚合与过滤 skill。当用户要求获取AI领域最新动态、前沿论文、热门工具、行业趋势时触发。覆盖AIGC(文本/图像/视频生成)、虚拟数字人、AI短视频/短剧制作工具、智能传播/舆情/新闻学AI应用四大领域。自动从 arXiv、GitHub、Hacker News、Hugging Face 四大信息源抓取、过滤、评分并生成全球AI中文简报。支持每日快讯和每周深度总结两种输出模式。当用户说‘AI周报’‘本周AI有什么新进展’‘帮我追踪AI前沿信息简报’等类似表述时使用此 skill。

ClawHub Agent Skills автор: kelcey2023 v0.1.2 MIT-0 2 файла тело ≈ 1 046 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Высококачественная агрегация и фильтрация информации в области ИИ.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникGitHubИнфраструктураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 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 (ZeeLin AI头部简讯) не совпадает с папкой (zeelin-ai-headline-brief)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 23
  • 100Стоимость исполнения. Тело инструкции 1046 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 252 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This skill only guides the agent to gather public AI news and research and turn it into Chinese briefings.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.