SKILLEMALL.ai

AC de-ai-voice

Удаляет «ИИ-привкус» из текстов на китайском, английском или японском языках, фокусируясь на передаче информации: сначала дополняет фактами/доказательствами/компромиссами/границами, затем переписывает в соответствии со сценарием и очищает от шаблонных фраз и форматирования; подходит для переписывания текстов, электронных писем, отчетов, PRD, контента в социальных сетях и научных работ с целью удаления ИИ-привкуса, а также для выявления и блокировки предложений с ложными доказательствами и вымышленными ссылками.

машинный переводПоказать оригиналСкрыть оригинал«去除中文/英文/日文文本的“AI味”,以信息传递为核心先补齐事实/证据/取舍/边界,再按场景重写并清理模板化口癖与格式指纹;适用于文案、邮件…»

去除中文/英文/日文文本的“AI味”,以信息传递为核心先补齐事实/证据/取舍/边界,再按场景重写并清理模板化口癖与格式指纹;适用于文案、邮件、报告、PRD、社媒内容与学术写作的去AI味改写,以及识别并拦截假证据句式与虚构参考文献。

ClawHub Agent Skills автор: yamasite v1.0.0 MIT-0 10 файлов тело ≈ 1 447 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Удаляет «ИИ-привкус» из текстов на китайском, английском или японском языках, фокусируясь на передаче информации: сначала дополняет…

Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураИнфраструктуратип 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
52/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 10. 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 52/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 98, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1447 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)
  • +3Длина description 115: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 98 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

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

Внешние проверки

ClawHub: clean
This is a writing-rewrite helper with an optional local style linter, and I found no hidden network, credential, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.