SKILLEMALL.ai

AB trade-show-competitor-radar

Структурируйте наблюдения за стендами конкурентов на выставке в виде помеченных, действенных заметок. "Занести информацию о конкурентах с выставочной площадки" / "记录展会现场竞品情报" / "Konkurrenzbeobachtung dokumentieren" / "競合情報を現場で記録する" / "registrar inteligencia competitiva en feria".

машинный переводПоказать оригиналСкрыть оригинал«Structure on-site competitor booth observations into tagged, actionabl…»

Structure on-site competitor booth observations into tagged, actionable intelligence notes. "Log competitor intel from the show floor" / "记录展会现场竞品情报" / "Konkurrenzbeobachtung dokumentieren" / "競合情報を現場で記録する" / "registrar inteligencia competitiva en feria". 现场竞品情报/展位观察 Messewettbewerb Wettbewerbsbeobachtung 競合情報 inteligencia ferial

ClawHub Agent Skills автор: Ivan Xu v0.4.1 MIT-0 4 файла тело ≈ 1 752 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Структурируйте наблюдения за стендами конкурентов на выставке в виде помеченных, действенных заметок.

Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 69/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 65Ошибки и развилки. Развилок: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1752 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 331 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (2 блоков кода)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed markdown-only workflow for turning user-provided trade show observations into structured competitive intelligence, with a privacy-related caution around identifying booth visitors.
LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.