SKILLEMALL.ai

BD turing-shikuan-demo

Когда пользователь хочет определить категорию, бренд, серию или краткую информацию о товаре на изображении товара, в первую очередь вызывается настроенный turing-shikuan-mcp, и результат распознавания формата выводится в фиксированном формате; поддерживается первоначальное руководство по настройке, но не используется для определения подлинности, подлинности/подделки или качества.

машинный переводПоказать оригиналСкрыть оригинал«当用户希望识别商品图片中的品类、品牌、系列或简要商品信息时,优先调用已配置的 turing-shikuan-mcp,并按固定格式输出识款结果…»

当用户希望识别商品图片中的品类、品牌、系列或简要商品信息时,优先调用已配置的 turing-shikuan-mcp,并按固定格式输出识款结果;支持首次配置指引,但不用于真假鉴定、真伪判断或质量判断。

ClawHub Agent Skills автор: xyyyyyaa v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 1 077 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Когда пользователь хочет определить категорию, бренд, серию или краткую информацию о товаре на изображении товара, в первую очередь вызывается настроенный…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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
Это копия скилла из другого каталога, в рейтинге считается основная: turing-shikuan-demo (ClawHub)

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: 3. 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 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (turing-shikuan-demo) не совпадает с папкой (turing-shikuan-skill)
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 98
  • 100Стоимость исполнения. Тело инструкции 1077 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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)
  • +3Длина description 99: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 98 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a disclosed product-image recognition helper that configures and uses a remote Turing MCP service with user-provided credentials.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.