SKILLEMALL.ai

AC academic-research

Ищите научные статьи и проводите обзоры литературы с помощью API OpenAlex (бесплатно, ключ не требуется). Используйте, когда пользователю нужно найти научные статьи по теме/автору/DOI, изучить цепочки цитирования, получить структурированные метаданные статьи (название, авторы, аннотация, цитаты, DOI, URL открытого доступа), получить полный текст статей с открытым доступом или провести автоматизированные обзоры литературы с идентификацией тем и синтезом. Активируется по запросам, связанным с научным поиском, поиском статей, анализом цитирования, обзором литературы, синтезом исследований или сбором научных ссылок.

машинный переводПоказать оригиналСкрыть оригинал«Search academic papers and conduct literature reviews using OpenAlex A…»

Search academic papers and conduct literature reviews using OpenAlex API (free, no key needed). Use when the user needs to find scholarly papers by topic/author/DOI, explore citation chains, get structured paper metadata (title, authors, abstract, citations, DOI, open access URL), fetch full text of open access papers, or conduct automated literature reviews with theme identification and synthesis. Triggers on requests involving academic search, paper lookup, citation analysis, literature review, research synthesis, or scholarly reference gathering.

ClawHub Agent Skills автор: rogerSuperBuilderAlpha v1.0.0 4 файла тело ≈ 524 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ищите научные статьи и проводите обзоры литературы с помощью API OpenAlex (бесплатно, ключ не требуется).

Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ИнтеграцияИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
61/100
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

Такой же скилл встречается ещё в 2 местах: ClawHub, ClawHub

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 61/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 524 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 555 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill performs ordinary academic paper search and literature review tasks, with disclosed external API use and local output/cache files.
    LLM: benign (high) · VirusTotal: suspicious · 28 мая 2026 г.