SKILLEMALL.ai

BC csv-insight-free

CSV Insight — это легкий инструмент анализа CSV для аналитиков данных и разработчиков, который выполняет статистику, фильтрацию, обнаружение аномалий и групповую агрегацию с помощью скриптов командной строки, без внешних зависимостей. Основные возможности: автоматическое определение типа столбца (числовой/дата/текст), гибкая фильтрация (операторы сравнения), статистические сводки (среднее/медиана/стандартное отклонение/квантили), Z-оценка.

машинный переводПоказать оригиналСкрыть оригинал«CSV Insight 是面向数据分析师与开发者的轻量级 CSV 分析工具,通过命令行脚本完成统计、筛选、异常检测与分组聚合,零外部依赖。核…»

CSV Insight 是面向数据分析师与开发者的轻量级 CSV 分析工具,通过命令行脚本完成统计、筛选、异常检测与分组聚合,零外部依赖。核心能力:自动列类型检测(数值/日期/文本)、灵活筛选(比较运算符)、统计摘要(均值/中位数/标准差/分位数)、Z-Score

ClawHub Agent Skills автор: 天轰穿 v1.0.0 MIT-0 2 файла тело ≈ 1 623 токенов Открыть источникclawhub.ai проанализирован 26 ч назад

CSV Insight — это легкий инструмент анализа CSV для аналитиков данных и разработчиков, который выполняет статистику, фильтрацию, обнаружение аномалий и…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Map keys must be unique at line 21, column 1: suggested_price: 29.9 tools: ["read", "write", "exec"] ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "edition"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "pricing_tier"
  • заметка frontmatter-key неизвестное поле фронтматтера "pricing_model"
  • заметка frontmatter-key неизвестное поле фронтматтера "suggested_price"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1623 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • +2Инструкции на одном языке
  • +3Длина description 132 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 45 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (8 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This skill is a CSV analysis helper that asks for local read/execute/write capabilities in ways that match its stated CSV statistics and export purpose, with some documentation quality gaps users should notice.
LLM: benign (high) · VirusTotal: · 23 июл. 2026 г.