SKILLEMALL.ai
EN Войти

AF linkedin-person-education

Проверяйте образование из LinkedIn по идентификатору сотрудника. Подтверждайте степени, специальности и данные GPA для проверки биографии и оценки кандидатов. Триггер: проверка образования в LinkedIn, оценка квалификации кандидата, запрос академической справки сотрудника, предварительная проверка при найме, проверка биографии при найме.

машинный переводПоказать оригиналСкрыть оригинал«Check LinkedIn‑sourced education history via personnel ID. Confirm deg…»

Check LinkedIn‑sourced education history via personnel ID. Confirm degrees, majors and GPA data for background checks and candidate evaluation. Trigger:LinkedIn education background check, applicant qualification assessment, personnel academic record lookup, pre‑employment screening, hiring background verification

ClawHub Agent Skills автор: upkuajing openapi skills v1.0.3 MIT-0 10 файлов тело ≈ 1 953 токенов Открыть источникclawhub.ai↗ проанализирован 24 ч назад

Проверяйте образование из LinkedIn по идентификатору сотрудника.

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/*.py

АнализаторЛюди и наймДанные и аналитикаТексты и документытип 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
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/*.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных read-dotenv SKILL.md:39
    Чтение файла .env
    cat ~/.upkuajing/.env

Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/*.py

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/*.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/*.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 85Шаги. Шагов: 56, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1953 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 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
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
This skill performs the advertised education lookup, but it also handles paid account setup, local API-key storage, top-up flows, and sensitive background-check data with incomplete privacy and scoping safeguards.
LLM: suspicious (high) · VirusTotal: · 24 авг. 2026 г.