SKILLEMALL.ai

AB chatmosp-literature-search

Поиск академической литературы в системе chatMOSP. Когда в базе данных MOSP отсутствуют соответствующие параметры, ищет в журналах с открытым доступом (Nature Communications, Science Advances, PNAS и т. д.) и других академических ресурсах для извлечения параметров MSR/KMC (энергия поверхности, энергия адсорбции, матрица взаимодействия и т. д.). Триггеры: parameter-builder обнаруживает отсутствующие ключевые параметры, и пользователь выбирает поиск по литературе для завершения.

машинный переводПоказать оригиналСкрыть оригинал«Academic literature searcher of the chatMOSP system. When MOSP_databas…»

Academic literature searcher of the chatMOSP system. When MOSP_database lacks matching parameters, searches open-access journals (Nature Communications, Science Advances, PNAS, etc.) and other academic resources to extract MSR/KMC parameters (surface energy, adsorption energy, interaction matrix, etc.). Triggers: parameter-builder detects missing key parameters and the user chooses literature search for completion.

ClawHub Agent Skills автор: sanyangye v1.0.0 MIT-0 3 файла тело ≈ 2 835 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Поиск академической литературы в системе chatMOSP.

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ПроцедураЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 3. 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 65/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 85Шаги. Шагов: 89, расплывчатых формулировок: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2835 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 17. 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
    • -219 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 418 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 42 заголовков
    • +3Пошаговые инструкции: 89 пунктов
    • +4Есть примеры (9 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent academic literature-search helper, with minor documentation issues around language routing and local PDF/text files.
    LLM: benign (high) · VirusTotal: · 10 июл. 2026 г.