SKILLEMALL.ai
EN Войти

BD health-exam-abnormal-items

Специализированная интерпретация аномальных показателей медицинского осмотра. Для каждого отклонения в отчете о медицинском осмотре пошагово объясняется "что это / почему отклонение / каковы последствия / как вмешаться", а также анализируется взаимосвязь нескольких показателей, язык простой и понятный (JSON + специальный текст интерпретации).

машинный переводПоказать оригиналСкрыть оригинал«体检异常指标专项解读。针对体检报告中的每项异常，逐一说明"是什么/为何异常/有何影响/如何干预"，并分析多指标关联，语言通俗易懂（JSON…»

体检异常指标专项解读。针对体检报告中的每项异常，逐一说明"是什么/为何异常/有何影响/如何干预"，并分析多指标关联，语言通俗易懂（JSON + 专项解读文字）。

ClawHub Agent Skills автор: Unisound-LLM v1.0.2 MIT-0 4 файла тело ≈ 635 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Специализированная интерпретация аномальных показателей медицинского осмотра.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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: 4. 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")

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (health-exam-abnormal-items) не совпадает с папкой (unisound-abnormal-items)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 22
  • 100Стоимость исполнения. Тело инструкции 635 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 80: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
The skill is purpose-aligned, but it handles sensitive health reports in a way that is not fully disclosed or implemented as promised.
LLM: suspicious (high) · 16 июл. 2026 г.