SKILLEMALL.ai
EN Войти

AC phenosnap-phenotype-extractor

Извлечение клинических фенотипов и сущностей лекарств из предоставленного пользователем текста с помощью PhenoSnap, с выводом данных в виде временной метки JSON.

машинный переводПоказать оригиналСкрыть оригинал«Extract clinical phenotypes and medication entities from user-provided…»

Extract clinical phenotypes and medication entities from user-provided text using PhenoSnap, producing a timestamped JSON output.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 2 470 токенов Открыть источникgithub.com↗ проанализирован 34 ч назад

Извлечение клинических фенотипов и сущностей лекарств из предоставленного пользователем текста с помощью PhenoSnap, с выводом данных в виде временной метки…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, повторный запуск

ПроцедураGitHubРазработкаДанные и аналитикатип 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (phenosnap-phenotype-extractor) не совпадает с папкой (phenoskill)
    • 60Инструменты и файлы. Используются инструменты (bash, web, git, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 107, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 2470 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 129 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 107 пунктов
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.