SKILLEMALL.ai

AC anythingllm-rag

Запрашивать локальные документы через AnythingLLM RAG (Retrieval-Augmented Generation). Используйте, когда пользователь спрашивает о своих личных/локальных документах, PDF-файлах, загруженных файлах или хочет выполнить поиск по своей базе знаний. Также обрабатывает загрузку новых документов в AnythingLLM. Активируется фразами вроде «查询文档», «搜索本地», «PDF里说了什么», «我的文档», «上传文档», «RAG», «知识库查询», «document search», «find in my files». Для общих вопросов, не касающихся локальных документов, используйте стандартную модель.

машинный переводПоказать оригиналСкрыть оригинал«Query local documents via AnythingLLM RAG (Retrieval-Augmented Generat…»

Query local documents via AnythingLLM RAG (Retrieval-Augmented Generation). Use when the user asks about their private/local documents, PDFs, uploaded files, or wants to search their knowledge base. Also handles uploading new documents to AnythingLLM. Triggers on phrases like "查询文档", "搜索本地", "PDF里说了什么", "我的文档", "上传文档", "RAG", "知识库查询", "document search", "find in my files". For general questions not about local documents, use the default model instead.

ClawHub Agent Skills автор: Scott Tian v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 393 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Запрашивать локальные документы через AnythingLLM RAG (Retrieval-Augmented Generation).

Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
61/100
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: 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 61/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 393 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)
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 459 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly does what it says, but it handles private document uploads through an unsafe shell script with a hardcoded API key and insufficient disclosure.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.