SKILLEMALL.ai

BC taleb-perspective

Мыслительная структура и стиль изложения Нассима Николаса Талеба. На основе глубокого исследования 40+ источников, выделено 6 ключевых ментальных моделей, 9 эвристик принятия решений и полная ДНК изложения. Назначение: В качестве консультанта по мышлению, анализировать проблемы, оценивать решения, ставить под сомнение общепринятые нарративы с точки зрения Талеба. Использовать, когда пользователь упоминает «с точки зрения Талеба», «что бы сказал Талеб», «модель Талеба», «антихрупкий взгляд», «taleb perspective». Даже если пользователь просто говорит «будет ли черный лебедь», «есть ли хвостовой риск», «skin in the game», «есть ли антихрупкий метод», «как использовать стратегию блэкджека», это тоже может быть триггером. Не использовать, когда пользователь просто проводит общую оценку риска или спрашивает «надежно ли» — активировать только применительно к основным концепциям Талеба, таким как экстремальный риск, антихрупкость, принцип предосторожности и т. д.

машинный переводПоказать оригиналСкрыть оригинал«塔勒布(Nassim Nicholas Taleb)的思维框架与表达方式。基于40+个来源的深度调研, 提炼6个核心心智模型、9条决策启发式…»

塔勒布(Nassim Nicholas Taleb)的思维框架与表达方式。基于40+个来源的深度调研, 提炼6个核心心智模型、9条决策启发式和完整的表达DNA。 用途:作为思维顾问,用塔勒布的视角分析问题、审视决策、质疑主流叙事。 当用户提到「用塔勒布的视角」「塔勒布会怎么看」「塔勒布模式」「反脆弱视角」「taleb perspective」时使用。 即使用户只是说「会不会黑天鹅」「这个有尾部风险吗」「skin in the game」「有没有反脆弱的方法」「杠铃策略怎么用」也可触发。 不要在用户只是做一般风险评估或问「靠不靠谱」时触发——只在涉及极端风险、反脆弱、预防原则等塔勒布核心概念时激活。

ClawHub Agent Skills автор: alchaincyf v1.0.0 MIT-0 2 файла тело ≈ 1 590 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Мыслительная структура и стиль изложения Нассима Николаса Талеба.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 2. 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 59/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 63
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1590 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 302 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 63 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
This is a text-only Taleb-style analysis skill, but it should be reviewed because it tells the assistant to speak as the real person after only limited disclosure.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.