SKILLEMALL.ai
EN Войти

BC openclaw-science-technology-research-intelligence

Используйте для передовых научных и технологических исследований, анализа литературы, проектирования экспериментов, моделирования, технического письма, оценки доказательств и междисциплинарных рассуждений в области математики, физики, ИИ, инженерии и смежных областях.

машинный переводПоказать оригиналСкрыть оригинал«Use for advanced science and technology research, literature analysis,…»

Use for advanced science and technology research, literature analysis, experiment design, modeling, technical writing, evidence evaluation, and cross-disciplinary reasoning across math, physics, AI, engineering, and related fields.

ClawHub Agent Skills автор: Suga Nick v1.0.0 MIT-0 5 файлов тело ≈ 4 052 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Используйте для передовых научных и технологических исследований, анализа литературы, проектирования экспериментов, моделирования, технического письма, оценки…

Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураИсследованиятип 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
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
50/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 5. 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: Nested mappings are not allowed in compact mappings at line 6, column 12: changelog: ClawHub professional standard: Overview, When to Use, How to Use, Co… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
    • заметка frontmatter-key неизвестное поле фронтматтера "changelog"
    • заметка frontmatter-key неизвестное поле фронтматтера "emoji"

    Процессный рейтинг: все десять параметров 50/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 40Согласованность. Имя во frontmatter (openclaw-science-technology-research-intelligence) не совпадает с папкой (science-technology-research-intelligence)
    • 70Стоимость исполнения. Тело инструкции 4052 токенов
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 36
    • low Разделов верхнего уровня: 62. Похоже на несколько доменов в одном скилле

    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
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +3Длина description 231 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 63 заголовков
    • +3Пошаговые инструкции: 36 пунктов
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only research guidance skill with broad science and technology scope but no hidden execution, credential use, or persistence mechanism.
    LLM: benign (high) · VirusTotal: · 22 авг. 2026 г.