AB academic-writing-refiner
Улучшает академическое письмо для научно-исследовательских работ по информатике, ориентированных на ведущие площадки (NeurIPS, ICLR, ICML, AAAI, IJCAI, ACL, EMNLP, NAACL, CVPR, WWW, KDD, SIGIR, CIKM и аналогичные). Используйте этот навык всякий раз, когда пользователь просит улучшить, отполировать, доработать, отредактировать или вычитать академическое или исследовательское письмо — включая черновики статей, аннотации, введения, разделы со связанными работами, описания методологии, описания экспериментов или заключительные разделы. Также активируется, когда пользователи вставляют LaTeX-контент и просят помощи в написании, упоминают «camera-ready», «rebuttal», «paper revision» или ссылаются на любую академическую площадку или конференцию. Этот навык обрабатывает как доработку всей статьи, так и редактирование по разделам.
машинный переводПоказать оригиналСкрыть оригинал«Refine academic writing for computer science research papers targeting…»
Refine academic writing for computer science research papers targeting top-tier venues (NeurIPS, ICLR, ICML, AAAI, IJCAI, ACL, EMNLP, NAACL, CVPR, WWW, KDD, SIGIR, CIKM, and similar). Use this skill whenever a user asks to improve, polish, refine, edit, or proofread academic or research writing — including paper drafts, abstracts, introductions, related work sections, methodology descriptions, experiment write-ups, or conclusion sections. Also trigger when users paste LaTeX content and ask for writing help, mention "camera-ready", "rebuttal", "paper revision", or reference any academic venue or conference. This skill handles both full paper refinement and section-by-section editing.
Улучшает академическое письмо для научно-исследовательских работ по информатике, ориентированных на ведущие площадки (NeurIPS, ICLR, ICML, AAAI, IJCAI, ACL…
Как процесс B 77/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 77/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Ошибки и развилки. Развилок: 4
- 85Шаги. Шагов: 35, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2251 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 691 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 35 пунктов
- +3Формат ответа описан явно
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.