SKILLEMALL.ai
EN Войти

BF conspect

Полностью автоматизированный инструмент для интеллектуального анализа многоисточниковых данных и рендеринга бизнес-отчетов. Загрузите источники данных Excel, ИИ автоматически выполнит анализ данных, выбор диаграмм, бизнес-верстку, визуализацию и выдаст профессиональный отчет, готовый для демонстрации на совещании. v3.1 Полностью автоматизированное создание отчетов с помощью ИИ, без подтверждения пользователем, стабильная работа от начала до конца. Сценарии использования: создание отчетов/дашбордов/визуализация данных из Excel/отображение данных на экране/анализ нескольких таблиц. Не подходит для: простой обработки данных/инструментов BI для настольных ПК/отчетов в виде простого текста.

машинный переводПоказать оригиналСкрыть оригинал«全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专…»

全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。

ClawHub Agent Skills автор: songzhou666 v0.1.1 MIT-0 52 файла тело ≈ 4 391 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Полностью автоматизированный инструмент для интеллектуального анализа многоисточниковых данных и рендеринга бизнес-отчетов.

Как процесс F 34/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/output-spec, references/trigger-guide, references/examples

ПроцедураExcelWordРазработкаДанные и аналитикаИИ и агентытип 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
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/output-spec, references/trigger-guide, references/examples
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 46. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/output-spec
  • предупреждение missing-ref ссылка на отсутствующий файл: references/trigger-guide
  • предупреждение missing-ref ссылка на отсутствующий файл: references/examples
  • предупреждение missing-ref ссылка на отсутствующий файл: references/quality-audit
  • предупреждение missing-ref ссылка на отсутствующий файл: references/ai-reviewer
  • предупреждение missing-ref ссылка на отсутствующий файл: references/cli-ai-workflow
  • предупреждение missing-ref ссылка на отсутствующий файл: references/agent-communication
  • предупреждение missing-ref ссылка на отсутствующий файл: references/chart-selection
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "language"

Процессный рейтинг: все десять параметров 34/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/output-spec, references/trigger-guide, references/examples
  • 0Инструменты и файлы. Не хватает 8 файла(ов): references/output-spec, references/trigger-guide, references/examples
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 70Стоимость исполнения. Тело инструкции 4391 токенов
  • 100Шаги. Шагов: 85
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. 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
  • -5В тексте остались TODO / заглушки
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 166 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 48 заголовков
  • +3Пошаговые инструкции: 85 пунктов
  • +4Есть примеры (12 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 10)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: suspicious
This skill appears purpose-built for automated spreadsheet report generation, but it gives itself broad automatic execution, file access, and write authority without enough user control.
LLM: suspicious (high) · 11 авг. 2026 г.