SKILLEMALL.ai

BB halaos-hr-copilot

ИИ-помощник по кадрам для Юго-Восточной Азии. Работает с сервером HalaOS MCP для получения данных в реальном времени (сотрудники, посещаемость, отпуска, расчет заработной платы, соответствие требованиям, организационная аналитика) или автономно с встроенными знаниями трудового законодательства PH/SG/LK. Ваш отдел кадров в диалоге.

машинный переводПоказать оригиналСкрыть оригинал«AI HR Copilot for Southeast Asia. Works with HalaOS MCP Server for liv…»

AI HR Copilot for Southeast Asia. Works with HalaOS MCP Server for live data (employees, attendance, leave, payroll, compliance, org intelligence) or standalone with built-in PH/SG/LK labor law knowledge. Your HR department in a conversation.

ClawHub Agent Skills автор: tonypk v2.1.0 MIT-0 3 файла тело ≈ 2 440 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

ИИ-помощник по кадрам для Юго-Восточной Азии.

Как процесс B 71/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

СправочникИИ и агентыБезопасностьФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Когда включается вес 12
20
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "emoji"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 71/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Ошибки и развилки. Развилок: 4
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 67
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2440 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 242 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 67 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
This is a plausible HR copilot, but it can expose or change sensitive employee, payroll, leave, attendance, and workforce-risk data from broad natural-language prompts with limited safety controls described.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.