SKILLEMALL.ai

AC story-short-analyze

Разбор коротких веб-новелл. Анализирует сюжет, структуру, эмоциональную линию, дизайн поворотов, писательские приемы, уровни сопереживания в популярных коротких новеллах (жанры: короткие рассказы от Fanqie / Story Fair / Zhihu Yanxuan / погоня за женой / бытовые / реинкарнация / избиение негодяев и т. д.). Единый полный конвейер разбора: выполнение этапов 2-6 для получения полного отчета о разборе, сохранение в 拆文库/{Название книги}/, последующий story-short-write читает отчет о разборе + узлы сюжета + писательские приемы + оригинальный текст + _meta.json для написания следующей части. Способы активации: /story-short-analyze, /拆短篇, "拆短篇" (разбери короткий рассказ), "拆这篇短文" (разбери этот короткий текст), "短篇拆文" (разбор короткого рассказа), "精细拆解短篇" (детальный разбор короткого рассказа), "8000 字短篇拆解" (разбор короткого рассказа на 8000 слов), "番茄短篇拆文" (разбор короткого рассказа от Fanqie), "故事会拆解" (разбор Story Fair), "盐言故事拆解" (разбор Yan Yan Story), "分析这篇短篇" (проанализируй этот короткий рассказ) — все ведут в один и тот же конвейер.

машинный переводПоказать оригиналСкрыть оригинал«短篇网文拆文。拆解爆款短篇小说(番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材)的故事核、结构、情感线…»

短篇网文拆文。拆解爆款短篇小说(番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材)的故事核、结构、情感线、反转设计、写作手法、共鸣层次。单一全量拆解管道:跑完 Stage 2-6 产出完整拆文报告,落盘到 拆文库/{书名}/,下游 story-short-write 同时读拆文报告 + 情节节点 + 写作手法 + 原文 + _meta.json 写下一篇。触发方式:/story-short-analyze、/短篇拆文、「拆短篇」「拆这篇短文」「短篇拆文」「精细拆解短篇」「8000 字短篇拆解」「番茄短篇拆文」「故事会拆解」「盐言故事拆解」「分析这篇短篇」——均进入同一管道。

ClawHub Agent Skills автор: pitechen v1.1.18 MIT-0 21 файл тело ≈ 2 292 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Разбор коротких веб-новелл.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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: 1. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 25
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2292 токенов

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 308 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (19 из 19)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This skill performs local short-story analysis and writes disclosed project files, with no evidence of hidden code execution, exfiltration, or system persistence.
LLM: benign (high) · VirusTotal: · 9 сент. 2026 г.