SKILLEMALL.ai

AB power-law-distribution

Активируйте, когда: пользователь распределяет капитал или ресурсы по портфелю и хочет знать, куда сосредоточиться; пользователь говорит 'наш средний клиент / сделка / сотрудник работает на X' и принимает решения исходя из этого среднего значения; пользователь строит модель риска, используя стандартное отклонение или VaR; пользователь спрашивает, почему несколько клиентов или сделок приносят почти весь доход; пользователь оценивает доходность венчурного фонда или результаты портфеля стартапов. НЕ активируйте, когда: распределение явно гауссово (например, производственные допуски при статистическом контроле процессов); ставки достаточно низки, чтобы форма распределения не влияла на решение. Подробнее: deciqai.com/c/power-law-distribution

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user is allocating capital or resources across a portfo…»

Activate when: user is allocating capital or resources across a portfolio and wants to know where to concentrate; user says 'our average customer / deal / employee performs at X' and is making decisions from that average; user is building a risk model using standard deviation or VaR; user asks why a few customers or deals drive almost all revenue; user is evaluating VC fund returns or startup portfolio outcomes. Do NOT activate when: the distribution is demonstrably Gaussian (e.g., manufacturing tolerances under statistical process control); stakes are low enough that distribution shape does not affect the decision. More: deciqai.com/c/power-law-distribution

ClawHub Agent Skills автор: deciqAI v1.0.4 MIT-0 5 файлов тело ≈ 1 927 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Активируйте, когда: пользователь распределяет капитал или ресурсы по портфелю и хочет знать, куда сосредоточиться; пользователь говорит 'наш средний клиент /…

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки

ПроцедураДанные и аналитикаМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Когда включается вес 12
50
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: 5. 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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1927 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 666 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This is a content-only decision-analysis skill about power-law distributions, with no executable behavior or hidden access requests.
    LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.