SKILLEMALL.ai

AC evidence-based-labeling

Создание, оптимизация и применение системы маркировки на основе доказательств для патентов, научных публикаций, продуктовых материалов, технической информации, потребностей клиентов и других структурированных текстов. Может использоваться для обнаружения открытых меток, полуоткрытой индексации, индексации в закрытом наборе, определения меток, правил принятия решений по умолчанию или настраиваемых, пробной маркировки, полной индексации в Excel/CSV, очереди ручной проверки, а также для улучшения терминологии, образцов, патентов, документов и доказательств с помощью智慧芽/PatSnap MCP.

машинный переводПоказать оригиналСкрыть оригинал«构建、优化并应用证据化标签体系,适用于专利、科研文献、产品资料、技术情报、客户需求和其他结构化文本。可用于开放式标签发现、半开放标引、闭集标…»

构建、优化并应用证据化标签体系,适用于专利、科研文献、产品资料、技术情报、客户需求和其他结构化文本。可用于开放式标签发现、半开放标引、闭集标引、标签定义、默认或自定义判定规则、试标、Excel/CSV 全量标引、人工复核队列,以及借助智慧芽/PatSnap MCP 进行术语、样本、专利、文献和证据增强。

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 23 файла тело ≈ 1 098 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание, оптимизация и применение системы маркировки на основе доказательств для патентов, научных публикаций, продуктовых материалов, технической…

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
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: 23. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

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: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 56
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1098 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 152 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 7)
  • +3Все 5 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a coherent labeling workflow that uses disclosed PatSnap/Zhihuiya MCP evidence tools and local validation helpers without hidden or destructive behavior.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.