SKILLEMALL.ai

AB game-design-zeigarnik-effect-audit

Аудит игры, функции, системы задач, цепочки квестов, трека событий, цепочки головоломок, уровня прогрессии или петли возврата через призму эффекта Зейгарник: напряжения, создаваемого незавершенными, прерванными или неразрешенными задачами. Используйте при оценке того, создает ли дизайн здоровую мотивацию к возвращению через открытые петли, оставляет ли он игрокам продуктивную незавершенную работу, или превращает ли незавершенность в тревогу, беспорядок, вину или манипулятивное давление.

машинный переводПоказать оригиналСкрыть оригинал«Audit a game, feature, task system, quest flow, event track, puzzle ch…»

Audit a game, feature, task system, quest flow, event track, puzzle chain, progression layer, or return loop through the lens of the Zeigarnik effect: the tension created by incomplete, interrupted, or unresolved tasks. Use when evaluating whether a design creates healthy return motivation through open loops, whether it leaves players with productive unfinished business, or whether it turns incompletion into anxiety, clutter, guilt, or manipulative pressure.

ClawHub Agent Skills автор: Stanislav Stankovic v1.0.0 MIT-0 4 файла тело ≈ 1 787 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Аудит игры, функции, системы задач, цепочки квестов, трека событий, цепочки головоломок, уровня прогрессии или петли возврата через призму эффекта Зейгарник…

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 4. 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 65/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 112
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1787 токенов

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 462 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 112 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only game-design audit skill that does not install code, access credentials, use the network, or modify user data.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.