SKILLEMALL.ai

AC psych-paper-deconstruction

Помощник по детальному разбору психологических статей. Вводит психологическую статью (PDF/Word/текст), автоматически структурирует гипотезы исследования, экспериментальную парадигму, независимые и зависимые переменные, статистические методы, ограничения исследования и выводы для реального мира, выдает детальный отчет, который можно напрямую использовать для заданий по профессиональным курсам. Триггерные слова: детальный разбор статьи, разбор литературы, анализ психологической статьи, paper deconstruction, детальный разбор литературы, разбор статьи, анализ экспериментальной парадигмы. Этот навык следует использовать, когда пользователь предоставляет психологическую исследовательскую статью и хочет получить структурированный детальный анализ, охватывающий гипотезы, экспериментальный дизайн, переменные, статистику, ограничения и практические следствия. Подходит для заданий по прикладной психологии.

машинный переводПоказать оригиналСкрыть оригинал«心理学文献精读拆解助手。输入心理学论文(PDF/Word/文本),自动梳理研究假设、实验范式、自变量因变量、统计方法、研究局限与现实现实引申…»

心理学文献精读拆解助手。输入心理学论文(PDF/Word/文本),自动梳理研究假设、实验范式、自变量因变量、统计方法、研究局限与现实现实引申等结构化分析,输出可直接用于专业课作业的精读报告。触发词:精读论文、拆解文献、分析心理学论文、paper deconstruction、文献精读、论文拆解、实验范式分析。This skill should be used when a user provides a psychology research paper and wants a structured close-reading analysis covering hypotheses, experimental design, variables, statistics, limitations, and practical implications. Suitable for applied psychology coursework assignments.

ClawHub Agent Skills автор: qingjiu061 v1.0.0 MIT-0 4 файла тело ≈ 2 043 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощник по детальному разбору психологических статей.

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, повторный запуск, отчётность по ходу

ПроцедураWordДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 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
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Шаги. Шагов: 67, расплывчатых формулировок: 6
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2043 токенов

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 437 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed psychology-paper analysis template that reads user-provided papers or links and produces structured coursework-style reports.
    LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.