SKILLEMALL.ai

AB research-analysis

Навык бизнес-исследований и анализа в стиле McKinsey. Этот навык следует использовать, когда пользователю нужны инсайты уровня консалтинга, количественное моделирование данных, глубокий анализ конкурентов, исследование пользовательских персон, отчеты о тенденциях в отрасли или структурированное решение бизнес-задач. Триггеры по запросам типа: проанализируй этот рынок, сравни конкурентов, создай пользовательскую персону, оцени размер рынка, напиши исследовательский отчет, проведи SWOT-анализ или любую задачу бизнес-исследований, требующую структурированных фреймворков и основанных на данных выводов.

машинный переводПоказать оригиналСкрыть оригинал«McKinsey-style business research and analysis skill. This skill should…»

McKinsey-style business research and analysis skill. This skill should be used when the user needs consulting-grade insights, quantitative data modeling, competitor deep-dive analysis, user persona research, industry trend reports, or structured business problem-solving. Triggers on requests like analyze this market, compare competitors, build a user persona, estimate market size, write a research report, do a SWOT analysis, or any business research task requiring structured frameworks and data-driven conclusions.

ClawHub Agent Skills автор: nannl22 v1.0.0 MIT-0 7 файлов тело ≈ 1 788 токенов Открыть источникclawhub.ai проанализирован 28 ч назад

Навык бизнес-исследований и анализа в стиле McKinsey.

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

АнализаторИсследованияДанные и аналитикатип 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
B
66/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 46
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1788 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 519 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 46 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

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

    Внешние проверки

    ClawHub: clean
    This is a coherent business research skill that openly guides web/company-data lookups and chart generation, with privacy caution needed for user-research outputs.
    LLM: benign (high) · VirusTotal: · 1 авг. 2026 г.