SKILLEMALL.ai
EN Войти

BD paid-db-access

Мост доступа к платным академическим базам данных (IEEE/Scopus/EV/ACM) с помощью ИИ. Использует состояние входа пользователя через CDP браузера для поиска → извлечения → дедупликации → добавления аннотации → оценки → вывода. Обработка аннотаций без токенов.

машинный переводПоказать оригиналСкрыть оригинал«AI 接入付费学术数据库（IEEE/Scopus/EV/ACM）的权限桥接层。 通过浏览器 CDP 借用用户登录态，搜索→提取→去重→补摘要…»

AI 接入付费学术数据库（IEEE/Scopus/EV/ACM）的权限桥接层。 通过浏览器 CDP 借用用户登录态，搜索→提取→去重→补摘要→评分→输出。 Zero-token abstract handling.

ClawHub Agent Skills автор: lishy227 v1.1.0 MIT-0 44 файла тело ≈ 2 247 токенов Открыть источникclawhub.ai↗ проанализирован 18 ч назад

Мост доступа к платным академическим базам данных (IEEE/Scopus/EV/ACM) с помощью ИИ.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИнфраструктураИИ 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
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 24. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2247 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 107: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -237 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
The skill is purpose-built for academic database automation, but it needs careful review because it can use logged-in browser sessions, copy cookies, store abstracts, and send paper data to external AI APIs.
LLM: suspicious (high) · VirusTotal: · 18 июн. 2026 г.