Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx skills add id-andyyy/LabAI --skill lab-draftgit clone --depth 1 https://github.com/id-andyyy/LabAIWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/id-andyyy/labai/lab-draft)<a href="https://agentmods.dev/skills/id-andyyy/labai/lab-draft"><img src="https://agentmods.dev/badge/skills/id-andyyy/labai/lab-draft/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/id-andyyy/labai/lab-draft"><img src="https://agentmods.dev/badge/skills/id-andyyy/labai/lab-draft.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00014 | $0.01712 |
| Opus 5.5 | $0.00006 | $0.00685 |
| Sonnet 5.5 | $0.00003 | $0.00342 |
| Haiku 4.5 | $0.00001 | $0.00171 |
Grade A, and why
lab-draft scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 1mo ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 115 lines — stays where its author put it; the contents beside it link to each section on GitHub.
Пользователь хочет создать черновик отчёта по лабораторной работе. Черновик — это полный текст report.md без изображений (с плейсхолдерами), для ревью перед финальной генерацией документа.
Что делать
Шаг 1. Проверка config.json
Прочитай .claude/lab/config.json. Если файл не найден — сообщи пользователю: «Сначала запусти /lab-setup для
настройки проекта.» и остановись.
Шаг 2. Чтение источников
Прочитай все необходимые файлы:
.claude/lab/config.json— конфигурация (стиль, предмет, тип работы)..claude/lab/gost-content.md— правила написания текста по ГОСТ..claude/lab/assignment.md— разобранное задание..claude/lab/source-material.md— полный текст исходного документа. Может содержать теоретические сведения, методические указания и примеры помимо самого задания — используй их как справочный материал при написании отчёта.- Файлы в
.claude/lab/reference-docs/(дополнительная теория по работе) instructions.md— если существует и содержит заполненные результаты ([ВСТАВИТЬ РЕЗУЛЬТАТ СЮДА]заменены на реальные данные).
Шаг 3. Проверка правильности выполнения инструкции
Если в инструкции были плейсхолдеры вида [ВСТАВИТЬ РЕЗУЛЬТАТ СЮДА] или если их не было, но пользователь сам вставил
результаты некоторых своих команд - проверь, правильно ли он выполнил инструкцию. Совпал ли ожидаемый результат с
реальным. Выполнено ли задание полностью и полноценно, нет ли противоречий. Если есть проблемы - не начинай писать
отчет, а доработай инструкцию (добавь дополнительные шаги, которые исправят сложившуюся у пользователя проблему и
доведут выполнение задания до конца). Такие доработки помечай символом ⚠️ и дополнительно сообщи о них пользователю в
чате. Пользователь выполнит все инструкции и заново запустит команду. Если все в порядке - приступай к следующему шагу.
Шаг 4. Анализ готовых изображений
Перед написанием отчёта проверь наличие папки images/ в корне проекта. Если она существует и содержит файлы:
- Прочитай каждый файл изображения через Read tool (vision).
- Проанализируй содержимое — текст на скриншотах, данные, интерфейсы, результаты команд.
- Сопоставь изображения с шагами инструкции по СМЫСЛУ (не по имени файла и не по дате создания!). Смотри, что изображено на каждом скриншоте, и определи, какому шагу инструкции оно соответствует.
- Используй данные с изображений при написании отчёта. На скриншотах могут быть конкретные значения, IP-адреса, результаты команд, сообщения об ошибках и т.д. — все эти детали нужно отразить в тексте отчёта. Не придумывай данные, если они видны на скриншотах.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 1mo ago First seen · 115 lines · 14 tokens per session scan A 1cda36f79393
lab-draft is a skill published in the GitHub repository id-andyyy/LabAI (3 stars, last pushed 5mo ago), licensed MIT. It adds 14 tokens to every session and 1,712 once invoked, about $0.0001 per session on Opus 5.5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.
Other skills, from other repositories
literature-searcher
Search CrossRef, OpenAlex, PubMed, Semantic Scholar, and optional Scopus; deduplicate results, download open-access PDFs by DOI, classify papers, monitor new results, and analyze coverage. Use when asked to search literature, monitor a topic, download an open-access paper, classify papers, or analyze literature gaps.
math-modeling
A workflow for mathematical modelling, where real-world questions are represented with mathematics and solved with code or analysis.
math-modeling
A workflow for mathematical modelling, where real-world questions are represented with mathematics and solved with code or analysis.
科研可视化工具
A research-visualisation workflow for examining data and producing publication-ready charts for scientific papers.
LaTeX工具
A tool for creating, compiling, and checking mathematical modelling papers written in LaTeX, a document system often used for technical writing.
aql-authoring
This skill should be used when the user asks to "write an AQL query", "optimize an AQL query", "review AQL", or "query openEHR data" — the multi-step authoring/optimization workflow for AQL (Archetype Query Language) over openEHR clinical data. For a one-off explanation of an existing query or a single AQL…