BC academic-literature-summary
Глубоко читает и структурированно обобщает китайские и английские научные работы (журнальные статьи, диссертации, исследовательские отчеты), выдавая краткое обобщение на китайском языке в фиксированной академической структуре. Активируется, когда пользователь запрашивает «обобщить литературу», «глубоко прочитать литературу», «обзор литературы», «структурировать литературу», «извлечь ключевые моменты литературы», «заметки по литературе», «читать статью», «обобщить статью», «извлечь дизайн исследования/методы/результаты/обсуждение», «анализ структуры литературы». Поддерживает извлечение контента из PDF/текста, вывод в фиксированной структуре (обзор, гипотеза, модель, детали исследования, обсуждение, выводы), сохраняя формат цитирования, добавляя emoji к каждому разделу, оставаясь верным оригиналу без выдумок. Также поддерживает вывод обобщения в виде текста Markdown или форматированного академического документа (DOCX/PDF).
машинный переводПоказать оригиналСкрыть оригинал«精读并结构化总结中英文学术文献（期刊论文、学位论文、研究报告）， 按固定学术结构输出中文精简总结。当用户要求"总结文献"、"精读文献"、 "…»
精读并结构化总结中英文学术文献（期刊论文、学位论文、研究报告）， 按固定学术结构输出中文精简总结。当用户要求"总结文献"、"精读文献"、 "文献综述"、"梳理文献"、"提炼文献要点"、"文献笔记"、"读论文"、 "概括论文"、"提取研究设计/方法/结果/讨论"、"文献结构分析"时触发。 支持从PDF/文本中提取内容，按固定结构（综述、假设、模型、研究详情、 讨论、结论）输出，保留引用格式，每节加emoji标识，忠于原文不编造。 同时支持将总结输出为Markdown文本或格式化的学术文档（DOCX/PDF）。
Глубоко читает и структурированно обобщает китайские и английские научные работы (журнальные статьи, диссертации, исследовательские отчеты), выдавая краткое…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 115
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1124 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- -215 эмодзи в инструкциях: шум для модели
- -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 256 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 33 заголовков
- +3Пошаговые инструкции: 115 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.