SKILLEMALL.ai

BC framework-analysis

Инструмент системного научного анализа на основе «метода каркаса» Цянь Сюэсэня. Используется для структурированного вывода конечных результатов сложных систем, таких как геополитические конфликты, международные кризисы, исторические события и т. д. Основная методология из статьи Цянь Сюэсэня «Количественная оценка истории с помощью методов системных наук»: 1. Создание структурной ограничивающей рамки (не перечисление факторов, а поиск жестких условий, которые не изменятся). 2. Заполнение проверенными фактами. 3. Вывод единственного заключения через причинно-следственную цепочку (без перечисления сценариев, без распределения вероятностей). 4. Предоставление фальсифицируемого прогноза. Используется, когда пользователь упоминает: анализ методом каркаса, вывод конечных результатов, методология Цянь Сюэсэня, системный научный анализ геополитических событий, анализ структурных ограничений. Не активируется, когда пользователь просто упоминает расплывчатые запросы вроде «проанализируй XX» (возможно, требуется обычный поиск или исследование).

машинный переводПоказать оригиналСкрыть оригинал«基于钱学森"框架法"的系统科学分析工具。用于对地缘政治冲突、国际危机、历史事件等复杂系统进行结构化终局推导。 核心方法论来自钱学森《用系统科…»

基于钱学森"框架法"的系统科学分析工具。用于对地缘政治冲突、国际危机、历史事件等复杂系统进行结构化终局推导。 核心方法论来自钱学森《用系统科学方法使历史科学定量化》: 1. 建立结构性约束框架(不是列出因素,而是找到不会变的硬条件) 2. 填入经过验证的事实 3. 通过因果链推导唯一结论(不做情景列举,不做概率分布) 4. 给出可证伪预测 当用户提到:框架法分析、终局推导、钱学森方法论、系统科学分析地缘事件、结构性约束分析时使用此 skill。 不在用户仅提到"分析一下XX"等模糊请求时激活(可能只需要普通搜索或调研)。

ClawHub Agent Skills автор: mydearzsy v1.0.0 MIT-0 2 файла тело ≈ 633 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент системного научного анализа на основе «метода каркаса» Цянь Сюэсэня.

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: 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")

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: 25
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 633 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 263 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (5 блоков кода)

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

Внешние проверки

ClawHub: suspicious
The skill is mainly an analysis framework, but it automatically creates report files and sends them through Feishu without a clear per-use confirmation step.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.