SKILLEMALL.ai

AB bilingual-buddy

Навык двуязычного диалога — ввод пользователя и ответы ИИ отображаются в четырехслойном двуязычном формате (китайский → пиньинь → английский → IPA), с возможностью пропуска слоев и расширения на несколько языков. Bilingual conversation skill — both user input and AI replies are displayed in a four-layer bilingual format (Chinese→Pinyin→English→IPA), with optional layer skipping and multi-language extension support. Применяется для: изучения китайского и английского языков, двуязычного обучения, языкового развития детей, практики межъязыкового общения. Триггеры: двуязычный, bilingual, китайско-английский параллельный, пиньинь, фонетическая транскрипция, обучение детей английскому, обучение китайскому, изучение языка, teach Chinese/English.

машинный переводПоказать оригиналСкрыть оригинал«双语对话技能——用户输入和 AI 回复均以四层双语对照格式展示(中文→拼音→英文→IPA),支持可选层级省略和多语言扩展。 Bilingua…»

双语对话技能——用户输入和 AI 回复均以四层双语对照格式展示(中文→拼音→英文→IPA),支持可选层级省略和多语言扩展。 Bilingual conversation skill — both user input and AI replies are displayed in a four-layer bilingual format (Chinese→Pinyin→English→IPA), with optional layer skipping and multi-language extension support. 适用于:中英文学习、双语教学、儿童语言启蒙、跨语言交流练习。 Triggers: 双语、bilingual、中英文对照、拼音、音标、教小孩英语、教中文、language learning、teach Chinese/English。

ClawHub Agent Skills автор: 波动几何 v1.0.1 MIT-0 2 файла тело ≈ 1 254 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык двуязычного диалога — ввод пользователя и ответы ИИ отображаются в четырехслойном двуязычном формате (китайский → пиньинь → английский → IPA), с…

Как процесс B 68/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
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.
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: 2. 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 68/100

  • 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
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 60Ошибки и развилки. Развилок: 2
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1254 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 384 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This appears to be a language-learning skill that openly reformats user text, but users should avoid using it with private or sensitive content.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.