SKILLEMALL.ai

BC intimate-ch04-social-cognition

Помощь в изучении главы 4 «Социальное познание» курса «Интимные отношения» в диалоге. На основе учебника Роланда С. Миллера «Интимные отношения», 6-е издание. Используется, когда пользователь обсуждает, задает вопросы, повторяет или пытается применить концепции социального познания из этой главы (social cognition — социальное познание, primacy effect — эффект первичности, confirmation bias — склонность к подтверждению своей точки зрения, overconfidence — чрезмерная уверенность, positive illusion — позитивная иллюзия, attribution — атрибуция, actor/observer effect — эффект актера/наблюдателя, self-serving bias — эгоистическая ошибка атрибуции, reconstructive memory — реконструивная память, self-fulfilling prophecy — самоисполняющееся пророчество, impression management — управление впечатлением, self-verification — самоподтверждение). Использует постепенное раскрытие информации, по запросу читает детали из references/, естественно вводит знания из учебника в обучающий диалог.

машинный переводПоказать оригиналСкрыть оригинал«在对话中辅助学习"亲密关系/Intimate Relationships"第 4 章"社会认知"。基于 Rowland S. Miller《…»

在对话中辅助学习"亲密关系/Intimate Relationships"第 4 章"社会认知"。基于 Rowland S. Miller《Intimate Relationships》教材第 6 版。当用户讨论、提问、复习或尝试应用本章社会认知概念(social cognition 社会认知、primacy effect 首因效应、confirmation bias 验证性偏差、overconfidence 过度自信、positive illusion 积极错觉、attribution 归因、actor/observer effect 行动者/观察者效应、self-serving bias 自我服务偏差、reconstructive memory 重构性记忆、self-fulfilling prophecy 自我实现的预言、impression management 印象管理、self-verification 自我证实)时使用。使用渐进式披露,按需读取 references/ 下的细节,把课本知识自然引入学习对话

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 11 файлов тело ≈ 603 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощь в изучении главы 4 «Социальное познание» курса «Интимные отношения» в диалоге.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 11. 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: 27
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 603 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 465 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a local Markdown study helper for one textbook chapter, with no code, credential access, network use, or hidden privileged behavior found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.