SKILLEMALL.ai

AC jd-market-research

Когда пользователь предоставляет JD (описание вакансии) или явно указывает название должности, автоматически проводит глубокое исследование рынка труда по этой должности: спрос и предложение, распределение зарплат, система грейдов, организационная структура. Сравнивает стабильность бизнес-линий, перспективы бизнеса, атмосферу в команде, интенсивность работы и конкурентоспособность вознаграждения в основных целевых компаниях. Выявляет точки риска и ключевые преимущества. Применимые сценарии: карьерное планирование, принятие решений о трудоустройстве, подготовка к собеседованию, сравнение предложений о работе, анализ отрасли, разработка стратегии найма. Условия срабатывания: (1) Пользователь напрямую вставляет текст JD с просьбой об анализе; (2) Пользователь просит исследовать/проанализировать рыночную ситуацию по определенной должности; (3) Пользователь хочет узнать различия по определенной должности в разных компаниях; (4) Пользователь просит сравнить одну и ту же должность в нескольких компаниях; (5) Пользователь спрашивает о рыночной информации по зарплате, перспективам, атмосфере в команде и т.д. для определенной должности.

машинный переводПоказать оригиналСкрыть оригинал«当用户提供岗位JD(职位描述)或明确指定岗位名称时,自动联网深度调研该岗位在市场上的 人才供需、薪资分布、职级体系、组织架构,并对比主要目标…»

当用户提供岗位JD(职位描述)或明确指定岗位名称时,自动联网深度调研该岗位在市场上的 人才供需、薪资分布、职级体系、组织架构,并对比主要目标公司的事业线稳定性、业务前景、 团队氛围、工作强度与薪酬竞争力,识别风险点与核心优势。 适用场景:职业规划、求职决策、面试准备、offer比较、行业分析、招聘策略制定。 触发条件:(1)用户直接粘贴JD文本要求分析;(2)用户要求调研/分析某个岗位的市场情况; (3)用户想了解某岗位在不同公司的差异;(4)用户要求对比多个公司的同一岗位; (5)用户询问某岗位的薪资、前景、团队氛围等市场信息。

ClawHub Agent Skills автор: BHlia v1.0.0 MIT-0 4 файла тело ≈ 966 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Когда пользователь предоставляет JD (описание вакансии) или явно указывает название должности, автоматически проводит глубокое исследование рынка труда по…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 4. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 966 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 268 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This skill is a plausible recruiting research helper, but it saves and reuses sensitive company hiring and compensation details without clear retention, deletion, or no-save controls.
LLM: suspicious (high) · VirusTotal: · 28 мая 2026 г.