SKILLEMALL.ai

AC opc-case-research

Систематическое исследование общедоступной информации для случаев OPC, супер-индивидуалов, IP создателей и бизнесов с одним сотрудником, с китайскими результатами, ориентированными на контент-стратегию, позиционирование IP, канальную стратегию, бизнес-модели, временные рамки и воспроизводимые уроки. Используйте, когда Codex должен исследовать случай конкретного человека, бренда создателя или компании с одним сотрудником; подготовить краткий отчет или структурированный отчет; сопоставить источники и доказательства; сравнить факты и выводы; или преобразовать разрозненные общедоступные материалы в многоразовый исследовательский результат.

машинный переводПоказать оригиналСкрыть оригинал«Systematic public-information research for OPC, super-individual, crea…»

Systematic public-information research for OPC, super-individual, creator IP, and one-person business cases, with Chinese outputs focused on content strategy, IP positioning, channel strategy, business models, timelines, and replicable lessons. Use when Codex needs to research a named person, creator brand, or one-person company case; produce a case brief or structured report; map sources and evidence; compare facts versus inferences; or turn scattered public materials into a reusable research deliverable.

ClawHub Agent Skills автор: cellinlab v0.1.0 MIT-0 13 файлов тело ≈ 1 889 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Систематическое исследование общедоступной информации для случаев OPC, супер-индивидуалов, IP создателей и бизнесов с одним сотрудником, с китайскими…

Как процесс C 58/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

ГенераторМаркетингДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 13. 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 58/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (opc-case-research) не совпадает с папкой (cell-opc-case-research)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Ошибки и развилки. Развилок: 5
    • 100Шаги. Шагов: 119
    • 100Стоимость исполнения. Тело инструкции 1889 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 511 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 119 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a public-source research workflow with templates and no code that would access private data, make purchases, or persist in the environment.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.