SKILLEMALL.ai

AC data-privacy-agreement

Создание и заполнение шаблонов соглашений о конфиденциальности данных — DPA, соглашение об обработке данных, GDPR, HIPAA BAA, соглашение о деловом партнерстве, надстройка AI. Создает подписываемые файлы DOCX по стандартным формам Common Paper. Используйте, когда пользователь говорит «DPA», «соглашение об обработке данных», «HIPAA BAA», «соглашение о деловом партнерстве» или «надстройка AI». Чтобы понять закон о конфиденциальности потребителей штата США (CCPA и т. д.), а не составить документ, см. объяснение закона о конфиденциальности данных.

машинный переводПоказать оригиналСкрыть оригинал«Draft and fill data privacy agreement templates — DPA, data processing…»

Draft and fill data privacy agreement templates — DPA, data processing agreement, GDPR, HIPAA BAA, business associate agreement, AI addendum. Produces signable DOCX files from Common Paper standard forms. Use when user says "DPA," "data processing agreement," "HIPAA BAA," "business associate agreement," or "AI addendum." To understand a U.S. state's consumer privacy law (CCPA etc.) rather than draft, see data-privacy-law-explainer.

ClawHub Agent Skills автор: Steven Obiajulu v0.2.2 MIT-0 4 файла тело ≈ 803 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание и заполнение шаблонов соглашений о конфиденциальности данных — DPA, соглашение об обработке данных, GDPR, HIPAA BAA, соглашение о деловом…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторWordИнфраструктураПравотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "catalog_group"
    • заметка frontmatter-key неизвестное поле фронтматтера "catalog_order"

    Процессный рейтинг: все десять параметров 57/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 24
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 803 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 435 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Есть примеры (1 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    The reviewed artifacts are coherent maintainer and Convex workflow skills with sensitive actions disclosed and gated by user direction or existing auth.
    LLM: benign (medium) · VirusTotal: · 12 июн. 2026 г.