SKILLEMALL.ai

BC contract-reviewer-zh

Профессиональный инструмент для проверки контрактов и оценки рисков, подходит для повседневного управления контрактами в отделах закупок, юридических и операционных отделов. Автоматически извлекает ключевые условия контракта, включая цикл платежей, ответственность за нарушение, условия конфиденциальности, способ разрешения споров и другое основное содержание, а также помечает высокорисковые условия, выдает предупреждения по уровням и предложения по внесению изменений. Поддерживает проверку и анализ различных типов контрактов, таких как контракты на закупку, контракты на услуги, соглашения о конфиденциальности, рамочные соглашения и т. д. Также применим к синонимичным сценариям, таким как «проверка контракта/анализ контракта/оценка риска контракта/contract review», помогая бизнес-персоналу без юридического образования быстро выявлять риски в контрактах, снижать юридические риски при заключении сделок и повышать эффективность управления контрактами.

машинный переводПоказать оригиналСкрыть оригинал«专业合同审查与风险评估工具,适用于采购、法务、运营等团队的日常合同管理场景。 自动提取合同关键条款,包括付款周期、违约责任、保密条款、争…»

专业合同审查与风险评估工具,适用于采购、法务、运营等团队的日常合同管理场景。 自动提取合同关键条款,包括付款周期、违约责任、保密条款、争议解决方式等核心内容, 并对高风险条款进行标注、分级预警与修改建议输出。支持采购合同、服务合同、保密协议、 框架协议等多种合同类型的审查分析。也适用于"合同审核/合同分析/合同风险评估/ contract review"等同义场景,帮助非法务背景的业务人员快速识别合同风险点, 降低签约法律风险,提升合同管理效率。

ClawHub Agent Skills автор: Olina1Ye v1.0.0 MIT-0 2 файла тело ≈ 270 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Профессиональный инструмент для проверки контрактов и оценки рисков, подходит для повседневного управления контрактами в отделах закупок, юридических и…

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

АнализаторЗакупки и снабжениеИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 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")

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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 270 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 235 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (0 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate ClawHub maintainer/developer skill bundle, but it defaults to high-privilege review execution and includes staff/GitHub mutation workflows that warrant manual review.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.