SKILLEMALL.ai
EN Войти

BC ai-intel-workshop

Анализ влияния ИИ на любую отрасль. Двухэтапное выполнение: сначала поиск информации за последние 12 месяцев в сети и оценка ее по четырем уровням (S/A/B/шум), вывод отчета с сигналами, включающими источник, время и статус проверки; после подтверждения пользователем генерируются материалы для платформ WeChat, Xiaohongshu, Douyin (длинные тексты, сценарии, тексты для публикаций, подсказки для обложек) и сохраняются локально. Триггеры: AI情报车间, AI行业影响分析, Анализ влияния/удара/возможностей ИИ на отрасль XX, AI风向标, AI冲击波.

машинный переводПоказать оригиналСкрыть оригинал«分析 AI 对任意行业的冲击。两阶段执行：先联网检索近 12 个月信息并按四级（S/A/B/噪音）判级、输出含来源时间与核实状态的信号报告，…»

分析 AI 对任意行业的冲击。两阶段执行：先联网检索近 12 个月信息并按四级（S/A/B/噪音）判级、输出含来源时间与核实状态的信号报告，经用户确认后产出公众号/小红书/抖音三平台内容素材（长文、脚本、发布配文、封面提示词）并落盘。触发语：AI情报车间、AI行业影响分析、分析AI对XX行业的影响/冲击/机会、AI风向标、AI冲击波。

ClawHub Agent Skills автор: zhangxiao200141-del v3.0.1 MIT-0 8 файлов тело ≈ 2 218 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Анализ влияния ИИ на любую отрасль.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 8. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 126
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2218 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
  • +2Инструкции на одном языке
  • +3Длина description 168 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +3Пошаговые инструкции: 126 пунктов
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a disclosed content-research workflow that uses web search and writes generated files only within its stated AI industry-analysis purpose.
LLM: benign (high) · VirusTotal: · 27 авг. 2026 г.