SKILLEMALL.ai

AC zmm-concept

📐 Чжань Минмин. Переобъяснение концепции — переобъяснение концепции, которую все используют (ценообразование / выбор темы / спрос / конверсия / привлечение клиентов…) — разберите ее, и из трещин вырастет линейка. Сначала зафиксируйте четыре вещи, затем напишите черновик, и, наконец, окончательный вариант будет определен мной. Триггер: /zmm-concept, /переобъяснить концепцию, «четко объясни концепцию XX», «что такое XX на самом деле», «почему чем больше YY, тем больше ZZ», «разбери и разжуй концепцию». Переобъяснение концепции, которую аудитория уже использует: разберите ее, дайте им линейку. Зафиксируйте четыре вещи перед написанием черновика; окончательная версия будет исходить от собственного устного изложения ведущего. Триггер: /zmm-concept, «четко объясни X», «почему больше X приводит к меньшему Y» —— 📐 Чжань Минмин. Не формулы, а критерии. Каждое правило отмечено реальной стоимостью.

машинный переводПоказать оригиналСкрыть оригинал«📐 詹明明·重讲一个概念 ——重讲一个大家都在用的概念(定价 / 选题 / 需求 / 转化 / 获客…)——拆开它,从裂缝里长出一把尺子。…»

📐 詹明明·重讲一个概念 ——重讲一个大家都在用的概念(定价 / 选题 / 需求 / 转化 / 获客…)——拆开它,从裂缝里长出一把尺子。先锁四样再写稿,最后由本人口述定稿。 触发方式:/zmm-concept、/重讲概念、「把 XX 这个概念讲清楚」「XX 到底是什么」「为什么 XX 越 YY 越 ZZ」「掰开揉碎讲一个概念」 Re-explain a concept the audience already uses: crack it open, hand them a ruler. Lock four things before drafting; final version comes from the host's own spoken take. Trigger: /zmm-concept, "explain X properly", "why does more X lead to less Y" —— 📐 詹明明 · 不给公式,给判据。每条规则都标了实测代价。

ClawHub Agent Skills автор: 詹明明 v0.2.8 MIT-0 4 файла тело ≈ 1 972 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

📐 Чжань Минмин. Переобъяснение концепции — переобъяснение концепции, которую все используют (ценообразование / выбор темы / спрос / конверсия / привлечение…

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

ГенераторИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
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

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

    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: 12
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1972 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -243 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 447 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 12 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a Chinese-language content workflow skill that reads local writing references and helps draft, review, and file creator scripts without hidden execution, exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 6 сент. 2026 г.