SKILLEMALL.ai

AC xiwang-medical-content

Навык интеллектуального поиска медицинских и научных результатов исследований Xiwang Group в области графена и автоматической генерации текстов различных типов. На основе полного набора исследовательских материалов Xiwang Group (презентации о компании, резюме сборников медицинских исследований, материалы по термотерапии, хроника событий компании) поддерживает ввод пользователем ключевых слов для свободного поиска научных результатов исследований и автоматической генерации сценариев для устного вещания видеоканалов, научно-популярных текстов для Xiaohongshu, глубоких научно-популярных текстов для WeChat. Весь контент строго основан на научных результатах исследований из базы данных, различая научно-теоретическую популяризацию и описание физических свойств продукта. Ключевые слова: поиск медицинских исследований Xiwang, тексты о графене в медицине, генерация сценариев для устного вещания, научно-популярная информация о графеновом дальнем инфракрасном излучении, поиск исследований графена, генерация текстов для Xiaohongshu, генерация статей для WeChat, поиск научных результатов Xiwang.

машинный переводПоказать оригиналСкрыть оригинал«烯旺集团石墨烯医疗科研成果智能检索与多类型文案自动生成技能。基于烯旺集团全套科研资料(企业介绍PPT、医疗研究文集摘要、热敏灸疗法资料、企业…»

烯旺集团石墨烯医疗科研成果智能检索与多类型文案自动生成技能。基于烯旺集团全套科研资料(企业介绍PPT、医疗研究文集摘要、热敏灸疗法资料、企业大事记),支持用户输入关键词自由检索科研成果,并自动生成视频号口播文案、小红书科普文案、公众号深度科普文案。所有内容严格依托资料库内科研成果,区分科研理论科普与产品物理特性介绍。触发词:烯旺医疗检索、石墨烯医疗文案、生成口播文案、石墨烯远红外科普、检索石墨烯研究、生成小红书文案、生成公众号文章、烯旺科研成果检索。

ClawHub Agent Skills автор: ling61616161-dotcom v1.0.0 MIT-0 6 файлов тело ≈ 1 041 токенов Открыть источникclawhub.ai проанализирован 26 ч назад

Навык интеллектуального поиска медицинских и научных результатов исследований Xiwang Group в области графена и автоматической генерации текстов различных типов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1041 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 227 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This is a text-only medical marketing skill, but it can generate public health content and treatment-style guidance without strong safety warnings or clinical boundaries.
LLM: suspicious (high) · VirusTotal: · 15 июл. 2026 г.