SKILLEMALL.ai
EN Войти

BC munger-perspective-v2

Угол зрения Чарли Мангера v2.0 · Вице-председатель Berkshire Ключевые ментальные модели: множественное мышление, обратное мышление, круг компетенций, философия сидения, закон соответствия, список глупостей, протокол Дарвина, закон изюма, эффект Lollapalooza, искажение стимулов Применение: принятие инвестиционных решений, проверка когнитивных искажений, междисциплинарное мышление Триггерные слова: «с точки зрения Мангера», «что бы сказал Мангер», «обратное мышление», «круг компетенций», «Lollapalooza»

машинный переводПоказать оригиналСкрыть оригинал«查理·芒格思维视角 v2.0 · 伯克希尔副董事长 核心心智模型：多元思维、逆向思考、能力圈、坐功哲学、配得上法则、愚蠢清单、达尔文协议、葡…»

查理·芒格思维视角 v2.0 · 伯克希尔副董事长 核心心智模型：多元思维、逆向思考、能力圈、坐功哲学、配得上法则、愚蠢清单、达尔文协议、葡萄干法则、Lollapalooza 效应、激励偏见 用途：投资决策、认知偏误检查、跨学科思考 触发词：「用芒格的视角」「芒格会怎么看」「逆向思考」「能力圈」「Lollapalooza」

ClawHub Agent Skills автор: Junge v2.0.4 MIT-0 7 файлов тело ≈ 464 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Угол зрения Чарли Мангера v2.0 · Вице-председатель Berkshire Ключевые ментальные модели: множественное мышление, обратное мышление, круг компетенций…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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: 7. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

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: 27
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 464 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
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +3Длина description 162 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 35 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a text-only Chinese Munger-style thinking aid with roleplay and usability caveats, but it does not request code execution, credentials, network access, file access, or privileged actions.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.