SKILLEMALL.ai

BD teacher-capacity-evaluation

Система динамической оценки педагогических способностей учителей начальных и средних школ Китая. На основе данных об успеваемости учащихся (из навыка homework-grading-assessment) генерирует диаграммы сравнения успеваемости между классами одного года обучения и диаграммы оценки педагогических способностей учителей. Сценарии запуска: (1) генерация динамической сравнительной диаграммы успеваемости разных классов одного года обучения (2) генерация оценки педагогических способностей учителя по предмету и горизонтального сравнения с учителями того же предмета (3) управление правами доступа к данным учителей по уровням ролей (4) анализ тенденций эффективности преподавания учителей.

машинный переводПоказать оригиналСкрыть оригинал«中国中小学教师教学能力动态评估系统。基于学生学业数据(来自 homework-grading-assessment skill)生成同年级班…»

中国中小学教师教学能力动态评估系统。基于学生学业数据(来自 homework-grading-assessment skill)生成同年级班级间学业对比图及教师教学能力评估图。触发场景:(1)生成同年级不同班级学业情况动态对比图 (2)生成单科教师教学能力评估与同科教师横向对比 (3)按角色分级管理教师数据查看权限 (4)追溯分析教师教学效果趋势。

ClawHub Agent Skills автор: yezhaowang v1.0.0 MIT-0 6 файлов тело ≈ 441 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Система динамической оценки педагогических способностей учителей начальных и средних школ Китая.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

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: 6. 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 49/100

  • 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 (teacher-capacity-evaluation) не совпадает с папкой (huimai-teacher-capacity)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 441 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 175 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a non-executable design skill for teacher evaluation that handles sensitive school data, but its sensitive behavior is disclosed and aligned with its stated purpose.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.