SKILLEMALL.ai

BF xwlb-policy-extract

Извлечение политики из сводок новостей "Xinwen Lianbo". Получает основное содержание ежедневных выпусков "Xinwen Lianbo" и извлекает макроэкономическую политику и политику, влияющую на финансы. Сценарии активации: пользователь запрашивает сводку "Xinwen Lianbo", сводку макроэкономической политики, направление финансовой политики и т.д. Используется для понимания содержания "Xinwen Lianbo" и отслеживания политики, касающейся национальной макроэкономической политики или политики, влияющей на финансовый рынок.

машинный переводПоказать оригиналСкрыть оригинал«新闻联播政策摘报。获取每日新闻联播主要内容并提取宏观经济政策与金融影响政策。触发场景:用户询问新闻联播摘要、宏观政策摘报、金融政策风向等。用…»

新闻联播政策摘报。获取每日新闻联播主要内容并提取宏观经济政策与金融影响政策。触发场景:用户询问新闻联播摘要、宏观政策摘报、金融政策风向等。用于了解新闻联播内容,关注其中涉及国家宏观经济政策或影响金融市场走向的政策时使用。

ClawHub Agent Skills автор: zhutulang v1.0.0 MIT-0 5 файлов тело ≈ 494 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

Извлечение политики из сводок новостей "Xinwen Lianbo".

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/macro_keywords.md

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
58
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/macro_keywords.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 0. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/macro_keywords.md
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/macro_keywords.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/macro_keywords.md
  • 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
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 494 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 110: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 58.

Внешние проверки

ClawHub: clean
This skill fetches public News Network Broadcast text and runs a local parser to summarize policy items; its behavior is mostly disclosed and purpose-aligned.
LLM: benign (high) · VirusTotal: · 2 авг. 2026 г.