SKILLEMALL.ai

AC office-hours

Диагностика YC Office Hours — шесть наводящих вопросов, которые раскрывают реальный спрос, статус-кво, узкую специфику, минимальный жизнеспособный продукт, наблюдения и соответствие будущему. Адаптировано из навыка Garry Tan's gstack office-hours. Используйте, когда вас просят «обдумать это», «у меня есть идея», «стоит ли это делать», «office hours», «оценить мой стартап», «诊断我的项目», «创业诊断» или когда пользователь описывает новую идею продукта и хочет узнать, стоит ли её развивать.

машинный переводПоказать оригиналСкрыть оригинал«YC Office Hours diagnostic — six forcing questions that expose demand…»

YC Office Hours diagnostic — six forcing questions that expose demand reality, status quo, desperate specificity, narrowest wedge, observation, and future-fit. Adapted from Garry Tan's gstack office-hours skill. Use when asked to "brainstorm this", "I have an idea", "is this worth building", "office hours", "evaluate my startup", "诊断我的项目", "创业诊断", or when the user describes a new product idea and wants to know if it's worth pursuing.

ClawHub Agent Skills автор: qianen6 v1.1.0 MIT-0 2 файла тело ≈ 3 014 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Диагностика YC Office Hours — шесть наводящих вопросов, которые раскрывают реальный спрос, статус-кво, узкую специфику, минимальный жизнеспособный продукт…

Как процесс C 60/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Согласованность вес 8
40
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 60/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (office-hours) не совпадает с папкой (yc-office-hours)
    • 60Инструменты и файлы. Используются инструменты (bash, 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
    • 70Ошибки и развилки. Развилок: 7
    • 85Шаги. Шагов: 55, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 3014 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 11. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 437 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 55 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a startup diagnostic skill that performs disclosed web research, limited project-context reading, and a bounded report write, with no evidence of hidden or malicious behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.