SKILLEMALL.ai
EN Войти

AF alevel-physics-cie

Генерирует структурированные шаблоны ответов для экзаменационных вопросов по физике CIE A-Level (9702). Дообученная модель Qwen3-4B LoRA: тип вопроса, дано/требуется, формулы, структура ответа, проверки. Основное использование: локальный вывод MLX (skill/scripts/inference.py) — загружает базовые веса HF и локальные адаптеры; без ключа API и без веб-скрейпинга в этом режиме. Опционально для сопровождающих: скрейпер (cie.fraft.org) и API DeepSeek для пересоздания обучающих данных; см. SECURITY.md. ОБЯЗАТЕЛЬНЫЙ оркестратор: только простой текст математики (без разделителей LaTeX в долларах).

машинный переводПоказать оригиналСкрыть оригинал«Generate structured answer templates for CIE A-Level Physics (9702) ex…»

Generate structured answer templates for CIE A-Level Physics (9702) exam questions. Fine-tuned Qwen3-4B LoRA model: question type, given/required, formulae, answer frame, checks. Primary use: local MLX inference (skill/scripts/inference.py) — loads HF base weights and local adapters; no API key and no web scraping in that path. Optional maintainer-only: scraper (cie.fraft.org) and DeepSeek API for rebuilding training data; see SECURITY.md. MANDATORY orchestrator: plain-text math only (no LaTeX dollar delimiters).

ClawHub Agent Skills автор: Xudong Liu v1.0.2 MIT-0 25 файлов · 1 скрипт тело ≈ 1 262 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Генерирует структурированные шаблоны ответов для экзаменационных вопросов по физике CIE A-Level (9702).

Как процесс F 53/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: SECURITY.md

ГенераторLaTeXИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
53/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: SECURITY.md
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. 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: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: SECURITY.md

Процессный рейтинг: все десять параметров 53/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: SECURITY.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): SECURITY.md
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 60Ошибки и развилки. Развилок: 2
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1262 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)
  • -31 из 4 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 518 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This is a coherent physics exam-prep skill; normal use is local inference, while broader scraping and DeepSeek training tools are disclosed and user-directed.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.