SKILLEMALL.ai

BD clinic-chronic-screening

Вспомогательная система для скрининга хронических заболеваний. Введите медицинские данные жителя (физиологические показатели/лабораторные анализы/образ жизни/семейный анамнез), оцените риск хронических заболеваний, таких как гипертония, диабет, сердечно-сосудистые и цереброваскулярные заболевания, и предоставьте рекомендации по классификации и управлению (JSON + краткое изложение на естественном языке).

машинный переводПоказать оригиналСкрыть оригинал«慢病筛查辅助。输入居民健康数据(体征/检验/生活方式/家族史),评估高血压、糖尿病、心脑血管疾病等慢性病风险,给出分级和管理建议(JSON…»

慢病筛查辅助。输入居民健康数据(体征/检验/生活方式/家族史),评估高血压、糖尿病、心脑血管疾病等慢性病风险,给出分级和管理建议(JSON + 自然语言摘要)。

ClawHub Agent Skills автор: Unisound-LLM v1.0.2 MIT-0 4 файла тело ≈ 648 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Вспомогательная система для скрининга хронических заболеваний.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
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 (clinic-chronic-screening) не совпадает с папкой (unisound-chronic-screening)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 21
  • 100Стоимость исполнения. Тело инструкции 648 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: 21 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 does the stated health-screening task, but it sends sensitive health records to a remote LLM without implementing its promised de-identification and can save results despite claiming no local persistence.
LLM: suspicious (high) · VirusTotal: · 16 июл. 2026 г.