SKILLEMALL.ai

BF fact-checker

Проверка фактов и разоблачение слухов. Активируется, когда пользователь вводит предложение, новость или изображение и спрашивает о его правдивости, является ли это слухом или соответствует ли действительности. Объективно определяет достоверность информации посредством структурированного анализа, поиска в сети и визуального анализа. Сценарии активации включают: пользователь говорит «Это правда?», «Проверь это сообщение», «Это фото отредактировано?», «Развеять слухи», «fact check» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«事实核查与谣言终结者。当用户输入一句话、一段新闻或一张图片并询问其真伪、是否是谣言、是否属实时,激活此技能。通过结构化的推理、网络检索和视觉…»

事实核查与谣言终结者。当用户输入一句话、一段新闻或一张图片并询问其真伪、是否是谣言、是否属实时,激活此技能。通过结构化的推理、网络检索和视觉取证,客观判定信息的真实性。触发场景包括:用户说"这是真的吗"、"帮我查查这条消息"、"这张图是不是P的"、"辟谣"、"fact check"等。

ClawHub Agent Skills автор: Chang Liu v1.0.0 MIT-0 2 файла тело ≈ 493 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Проверка фактов и разоблачение слухов.

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: URL

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: URL
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Unexpected scalar at node end at line 2, column 110: …结构化的推理、网络检索和视觉取证,客观判定信息的真实性。触发场景包括:用户说"这是真的吗"、"帮我查查这条消息"、"这张图是不是P的"、"辟谣"、"fact… ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: URL

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: URL
  • 0Инструменты и файлы. Не хватает 1 файла(ов): URL
  • 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 (fact-checker) не совпадает с папкой (fact-checker-cn)
  • 100Шаги. Шагов: 25
  • 100Стоимость исполнения. Тело инструкции 493 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

  • +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
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 143 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: clean
This is an instruction-only fact-checking skill whose web search and image-analysis guidance match its stated purpose.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.