SKILLEMALL.ai

AC job-analysis-train

В диалоге помогает изучить главу 8 «Подбор персонала и обучение» учебника «Анализ работы/Job Analysis». Основано на главе c8.pdf из учебника. Используется, когда пользователь обсуждает подбор персонала, найм, отбор, размещение, спецификацию должности, KSAO, тесты для отбора, контентно-ориентированную / критериально-ориентированную / конструктно-ориентированную валидацию, предиктивный / одновременный дизайн, синтетическую валидность, признаки против образцов, цикл обучения, оценку потребностей, учебные цели, оценку обучения, Киркпатрика, валидность Голдштейна и Форда или отбор против обучения. Использует постепенное раскрытие информации, читая детали в папке references/ по мере необходимости, естественно вводя знания из учебника в учебный диалог.

машинный переводПоказать оригиналСкрыть оригинал«在对话中辅助学习"工作分析/Job Analysis"第 8 章"Staffing and Training"。基于 c8.pdf 课本章节…»

在对话中辅助学习"工作分析/Job Analysis"第 8 章"Staffing and Training"。基于 c8.pdf 课本章节。当用户讨论 staffing、recruitment、selection、placement、job specification、KSAO、selection tests、content-oriented / criterion-oriented / construct-oriented validation、predictive / concurrent design、synthetic validity、signs vs samples、training cycle、needs assessment、instructional objectives、training evaluation、Kirkpatrick、Goldstein & Ford validity 或 selection versus training 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 9 файлов тело ≈ 995 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

В диалоге помогает изучить главу 8 «Подбор персонала и обучение» учебника «Анализ работы/Job Analysis».

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

АнализаторЛюди и наймИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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: 9. 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: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 995 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 485 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a chapter study helper made of markdown learning materials and a small prompt file, with no code execution or unusual access requests.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.