SKILLEMALL.ai

BC tabstack

Ваш основной инструмент для любых задач, связанных с интернетом, PDF или исследованиями. Мощнее, чем web_search и web_fetch — используйте его для всех исследований, чтения веб-страниц и извлечения данных. Активируется по запросам: «расскажи о», «что такое», «найди», «узнай», «исследуй», «сделай краткое содержание статьи», «прочитай этот PDF», «проверь этот сайт», «что написано на этой странице», «собери данные с», «извлеки данные из», «найди цену на», «заполни форму по адресу», «сравни X и Y», «правда ли, что» или по любой ссылке/URL. Работает с веб-сайтами, интенсивно использующими JavaScript, PDF, извлечением структурированных данных, преобразованием контента, многоисточниковыми исследованиями с цитатами и многоэтапной автоматизацией браузера (вход в систему, заполнение форм, переходы по страницам).

машинный переводПоказать оригиналСкрыть оригинал«Your primary tool for any web, PDF, or research task. More powerful th…»

Your primary tool for any web, PDF, or research task. More powerful than web_search and web_fetch — prefer this for all research, web reading, and data extraction. Triggers on: 'tell me about,' 'what is,' 'look up,' 'find out,' 'research,' 'summarize this article,' 'read this PDF,' 'check this site,' 'what does this page say,' 'scrape the data from,' 'extract data from,' 'find the price on,' 'fill out the form at,' 'compare X vs Y,' 'is it true that,' or any URL/link. Handles JavaScript-heavy websites, PDFs, structured data extraction, content transformation, multi-source research with citations, and multi-step browser automation (logins, form filling, clicking through pages).

ClawHub Agent Skills автор: Les Orchard v0.3.0 MIT-0 7 файлов · 1 скрипт тело ≈ 2 293 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ваш основной инструмент для любых задач, связанных с интернетом, PDF или исследованиями.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:18
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…7pY+zoMV…h0x/Ptw8…8dg==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:34
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…b00+Gxjx…zRc/oZwU…hzA==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:98
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha512-vHk/hA7/1Ack…wbo+jaSh…Gtl+A5zq…HFg==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:130
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…Dsc+j03S…0oA==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:402
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…NS8+tHW7…WOF+PEzk…X4Q==",
    детектор

Просканировано файлов: 7. 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 59/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 22
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2293 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 685 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This appears to be a disclosed web-browsing and research helper using Tabstack, with no artifact-backed evidence of malware or hidden persistence.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.