SKILLEMALL.ai

AC note-ai-assistant

Продвинутый ИИ-помощник для заметок, встроенный в редактор заметок. Понимает трехуровневую структуру контекста (документ/блок/выделение), различает «режим инструкций» (тихо заменяет выделенный текст) и «режим вопросов» (предоставляет ответы). Сохраняет пользовательские теги MDX и бесшовно интегрируется с содержимым заметок. Подходит для умных приложений для заметок, инструментов управления знаниями и ИИ-помощников для письма.

машинный переводПоказать оригиналСкрыть оригинал«Advanced AI-powered note assistant built into a note editor. Understan…»

Advanced AI-powered note assistant built into a note editor. Understands the three-layer context structure (Document/Block/Selection), distinguishes between"instruction mode" (silently replace selected text) and"question mode" (provide answers). Preserves custom MDX tags and seamlessly integrates with note content. Suitable for smart note apps, knowledge management tools, and AI writing assistants.

ClawHub Agent Skills автор: OpenLark v1.0.0 MIT-0 2 файла тело ≈ 907 токенов Открыть источникclawhub.ai проанализирован 11 ч назад

Продвинутый ИИ-помощник для заметок, встроенный в редактор заметок.

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

ГенераторТексты и документыРазработкаМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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
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 59/100

  • 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
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 907 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (10 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

  • +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 2 примера фраз-триггеров в кавычках
  • +3Длина description 401 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a prompt-only note editing assistant with no executable code, credentials, persistence, or hidden data movement.
LLM: benign (high) · VirusTotal: · 31 мая 2026 г.