SKILLEMALL.ai

BD pm-requirement-sharpening-stone

Помощь PM на этапе запуска требований в разборе сути проблемы с помощью трехэтапного диалога (Сократ → Первый принцип → Бритва Оккама), для получения финальной версии PRD v3.x, готовой к проверке. Поддерживает обрезку глав по требованию, включение по требованию этапов позиционирования сценария/проектирования агента/цикла обучения. Вывод в первую очередь в документы Feishu, в качестве резервного варианта — локальные MD.

машинный переводПоказать оригиналСкрыть оригинал«帮助 PM 在需求启动阶段,通过三步对话法(苏格拉底→第一性→奥卡姆)拆清问题本质, 产出可进 review 的 PRD v3.x 终稿。支…»

帮助 PM 在需求启动阶段,通过三步对话法(苏格拉底→第一性→奥卡姆)拆清问题本质, 产出可进 review 的 PRD v3.x 终稿。支持按需裁剪章节、按需启用场景定位/Agent 设计/学习循环等可选阶段。 输出优先飞书文档,降级本地 MD。

ClawHub Agent Skills автор: X和小克 v2.0.0 MIT-0 2 файла тело ≈ 5 039 токенов Открыть источникclawhub.ai проанализирован 22 ч назад

Помощь PM на этапе запуска требований в разборе сути проблемы с помощью трехэтапного диалога (Сократ → Первый принцип → Бритва Оккама), для получения…

Как процесс D 40/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
D
40/100
Процесс не доведён
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. 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")
  • предупреждение body-long тело SKILL.md ≈ 5039 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "name_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "scope"
  • заметка frontmatter-key неизвестное поле фронтматтера "not_for"
  • заметка frontmatter-key неизвестное поле фронтматтера "examples"

Процессный рейтинг: все десять параметров 40/100

  • 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
  • 40Согласованность. Имя во frontmatter (pm-requirement-sharpening-stone) не совпадает с папкой (requirement-sharpening-stone)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5039 токенов
  • 100Шаги. Шагов: 183
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 21. Похоже на несколько доменов в одном скилле

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
  • -2128 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 74 заголовков
  • +3Пошаговые инструкции: 183 пунктов
  • +4Есть примеры (12 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: clean
This PRD workflow skill is purpose-aligned and disclosed, but users should be aware it can create Feishu documents, use web search, read local project context, and write local process logs.
LLM: benign (medium) · VirusTotal: · 25 июн. 2026 г.