SKILLEMALL.ai

BC a2f

Skill Archive2Figure (a2f) для конвертации PDF-архивов в цифровые изображения персонажей. Загрузите PDF → Извлеките признаки персонажа → Сгенерируйте изображения → Получите результаты. Поддерживает китайских исторических персонажей и генерацию реалистичных фигур.

машинный переводПоказать оригиналСкрыть оригинал«Archive2Figure (a2f) skill for converting PDF archives into digital ch…»

Archive2Figure (a2f) skill for converting PDF archives into digital character figures. Upload PDF → Extract character features → Generate images → Retrieve results. Supports Chinese historical characters and realistic figure generation.

ClawHub Agent Skills автор: Wadi v1.0.1 MIT-0 6 файлов тело ≈ 5 137 токенов Открыть источникclawhub.ai проанализирован 2 ч назад

Skill Archive2Figure (a2f) для конвертации PDF-архивов в цифровые изображения персонажей.

Как процесс C 58/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

ГенераторPDFИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 6. 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")
  • предупреждение body-long тело SKILL.md ≈ 5137 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 58/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 5137 токенов
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 236 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (27 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This skill does what it claims, but it sends local PDFs and prompts to an external API with weak upfront disclosure and no explicit confirmation guard.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.