SKILLEMALL.ai
EN Войти

BF scisurvey

SciSurvey — Систематический обзор × Sciverse. Полностью автоматический генератор систематических научных обзоров: автоматическое определение области → выбор типа обзора (Survey/Review) → адаптация ключевых слов к области → подтверждение мета-каталога → параллельный поиск по нескольким стратегиям (семантический + структурированный мета-поиск + отслеживание цепочки цитирования) → фильтрация качества → стратификация по стране/международному уровню → глубокое извлечение полного текста → сопоставление доказательств цитирования → тематическая интеграция → написание обзора → вывод в нескольких форматах. Поддерживает --type systematic-survey/systematic-review/scoping-review; форматы вывода Markdown/LaTeX/DOCX/PDF; ссылки APA/Chicago/MLA/IEEE/Vancouver/GB/T 7714; включает контроль полноты блокирующих цитирований. Используйте, когда пользователь говорит «сделай обзор по X», «помоги мне сделать обзор по области X», «исследуй прогресс исследований X», «сгенерируй литературный обзор по X».

машинный переводПоказать оригиналСкрыть оригинал«SciSurvey — Systematic Survey × Sciverse。全自动系统性学术综述生成器：自动识别领域 → 选择 Sur…»

SciSurvey — Systematic Survey × Sciverse。全自动系统性学术综述生成器：自动识别领域 → 选择 Survey/Review 类型 → 领域自适应关键词 → meta-catalog 确认 → 多策略并行检索（语义 + 结构化 meta-search + 引用链追踪）→ 质量过滤 → 国内/国际分层 → 深度全文提取 → 引用证据映射 → 主题化综合 → 综述写作 → 多格式输出。支持 --type systematic-survey/systematic-review/scoping-review；输出格式 Markdown/LaTeX/DOCX/PDF；参考文献 APA/Chicago/MLA/IEEE/Vancouver/GB/T 7714；含阻塞性引用完整性门控。当用户说'做一个关于 X 的综述'、'帮我综述 X 领域'、'调研 X 的研究进展'、'生成 X 的文献综述'时使用。

ClawHub Agent Skills автор: liweixiaogui10 v1.0.0 MIT-0 2 файла тело ≈ 9 818 токенов Открыть источникclawhub.ai↗ проанализирован 12 ч назад

SciSurvey — Систематический обзор × Sciverse.

Как процесс F 32/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: file_name

АнализаторWordLaTeXИсследованиятип 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
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
56
Прогон на моделях
не было
Процессный рейтинг
F
32/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: file_name
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. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. 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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 9818 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: file_name

Процессный рейтинг: все десять параметров 32/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: file_name
  • 0Инструменты и файлы. Не хватает 1 файла(ов): file_name
  • 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
  • 40Стоимость исполнения. Тело инструкции 9818 токенов: вытесняет саму задачу из окна
  • 100Шаги. Шагов: 89
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

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 417 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 61 заголовков
  • +3Пошаговые инструкции: 89 пунктов
  • +4Есть примеры (53 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.

Внешние проверки

ClawHub: clean
SciSurvey is a coherent academic review skill; its file creation and optional document conversion are purpose-aligned but should be understood before use.
LLM: benign (high) · VirusTotal: · 4 июн. 2026 г.