SKILLEMALL.ai
EN Войти

AB city-scout

Городской инспектор CityScout: преобразует городские районы, цели задач и бюджет времени в выполнимые маршруты обследования, списки наблюдений, точки риска и сводки отчетов. Применяется для обновления городов, выбора коммерческих объектов, определения туристических маршрутов, оценки активности в кварталах и других задач, требующих сочетания картографических данных и оценки на месте.

машинный переводПоказать оригиналСкрыть оригинал«城市踏勘官 CityScout：把城市片区、任务目标和时间预算转成可执行的踏勘路线、观察清单、风险点和汇报摘要。适用于城市更新、商业选址、文…»

城市踏勘官 CityScout：把城市片区、任务目标和时间预算转成可执行的踏勘路线、观察清单、风险点和汇报摘要。适用于城市更新、商业选址、文旅动线、街区活力评估等需要地图能力和现场判断结合的任务。

ClawHub Agent Skills автор: Frank Yee v1.0.0 MIT-0 5 файлов тело ≈ 810 токенов Открыть источникclawhub.ai↗ проанализирован 21 ч назад

Городской инспектор CityScout: преобразует городские районы, цели задач и бюджет времени в выполнимые маршруты обследования, списки наблюдений, точки риска и…

Как процесс B 77/100 · Почти готов — слабые места: согласованность, отчётность по ходу

ПроцедураВыездные работыТексты и документыИИ 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
77/100
Почти готов
Отчётность по ходу вес 2
0
Согласованность вес 8
40
Результат и критерий готовности вес 14
60
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: 5. 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 77/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (city-scout) не совпадает с папкой (city-scout-amap-skill)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 56
    • 100Стоимость исполнения. Тело инструкции 810 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)
    • +3Длина description 98: рекомендуется 120–800 символов
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 56 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a markdown-only city fieldwork planning skill that uses mapping concepts in a purpose-aligned and disclosed way.
    LLM: benign (high) · VirusTotal: · 18 июн. 2026 г.