SKILLEMALL.ai

AC news-for-ai

Получает новости индустрии ИИ в реальном времени, ежедневные сводки по ИИ и ищет темы ИИ, включая продукты, модели и услуги MCP. Выводит структурированный JSON с чистым текстовым контентом и отдельными медиаресурсами. Используйте, когда пользователь упоминает AI新闻, AI资讯, AI日报, AI热点, AI热榜, AI前沿, AI动态, AI行业趋势, AI产品, AI模型, 最新AI, 今日AI, AI圈, 人工智能资讯, ai news, ai daily, ai trending, AI选题, AI文章素材, или хочет найти конкретную тему, продукт или модель ИИ по ключевому слову. Также срабатывает на общие вопросы, такие как «今天AI圈有什么新闻», «有什么新的AI进展», «帮我查一下XX模型».

машинный переводПоказать оригиналСкрыть оригинал«Fetches real-time AI industry news, daily AI digests, and searches AI…»

Fetches real-time AI industry news, daily AI digests, and searches AI topics including products, models, and MCP services. Outputs structured JSON with clean text content and separated media resources. Use when the user mentions AI新闻, AI资讯, AI日报, AI热点, AI热榜, AI前沿, AI动态, AI行业趋势, AI产品, AI模型, 最新AI, 今日AI, AI圈, 人工智能资讯, ai news, ai daily, ai trending, AI选题, AI文章素材, or wants to look up a specific AI topic, product, or model by keyword. Also triggers on general questions like "今天AI圈有什么新闻", "有什么新的AI进展", "帮我查一下XX模型".

ClawHub Agent Skills автор: sskun v1.0.1 MIT-0 5 файлов тело ≈ 634 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Получает новости индустрии ИИ в реальном времени, ежедневные сводки по ИИ и ищет темы ИИ, включая продукты, модели и услуги MCP.

Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
64/100
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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 64/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 75Шаги. Шагов: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 634 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 512 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 3 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a straightforward AI-news fetching skill with ordinary network scraping behavior and some dependency hygiene concerns, but no hidden local data access, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.