SKILLEMALL.ai

BB scan-emerging-ai-technologies-rd

Направляет запрос технологической разведки в рабочий процесс анализа технологического ландшафта, поиска изобретений или брифинга по текущей разведке и создает отчет в формате HTML на английском языке с подкреплением доказательствами. Используется для новых областей ИИ, полупроводников, дисплеев, электроники или других быстроразвивающихся технологических доменов, когда пользователю требуется эволюция маршрута, позиционирование конкурентов, поиск изобретений, анализ патентов или мониторинг по нескольким источникам.

машинный переводПоказать оригиналСкрыть оригинал«Route a technology-intelligence request to a technology landscape, inv…»

Route a technology-intelligence request to a technology landscape, invention-mining workflow, or current-intelligence briefing, and produce an evidence-backed English HTML report. Use for emerging AI, semiconductor, display, electronics, or other fast-moving technology domains when the user needs route evolution, competitor positioning, invention opportunities, patent mining, or multi-source monitoring.

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 3 файла тело ≈ 8 295 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Направляет запрос технологической разведки в рабочий процесс анализа технологического ландшафта, поиска изобретений или брифинга по текущей разведке и создает…

Как процесс B 69/100 · Почти готов — слабые места: ошибки и развилки, стоимость исполнения, повторный запуск

ПроцедураДанные и аналитикатип 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
B
69/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 body-long тело SKILL.md ≈ 8295 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

Процессный рейтинг: все десять параметров 69/100

  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 14, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8295 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 471, расплывчатых формулировок: 3
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 17. 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)
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 406 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 68 заголовков
  • +3Пошаговые инструкции: 471 пунктов
  • +3Формат ответа описан явно

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

Внешние проверки

ClawHub: clean
This skill is a disclosed research-and-reporting workflow for technology intelligence, patent landscape work, invention mining, and current monitoring, with no hidden install or persistence behavior found.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.