SKILLEMALL.ai

BC mckinsey-100y-knowledge-base

База знаний McKinsey за 100 лет — включает 191 отобранный материал, объединяя принцип пирамиды, структурированное стратегическое мышление, методы работы McKinsey, методологии письма и чтения, а также глобальные отраслевые аналитические отчеты McKinsey (финансы, ИИ, потребление, энергетика, автомобилестроение и т. д.). Поддерживает поиск по знаниям, руководство по методологиям, фреймворки решения проблем и анализ отраслевых тенденций.

машинный переводПоказать оригиналСкрыть оригинал«麦肯锡100年知识库 - 涵盖191篇精选内容,融合金字塔原理、结构化战略思维、麦肯锡工作法、写作与阅读方法论,以及麦肯锡全球行业洞察报告(…»

麦肯锡100年知识库 - 涵盖191篇精选内容,融合金字塔原理、结构化战略思维、麦肯锡工作法、写作与阅读方法论,以及麦肯锡全球行业洞察报告(金融、AI、消费、能源、汽车等)。支持知识检索、方法论指导、问题解决框架和行业趋势分析。

ClawHub Agent Skills автор: WANG DONG JIE v1.0.0 MIT-0 8 файлов тело ≈ 1 327 токенов Открыть источникclawhub.ai проанализирован 15 ч назад

База знаний McKinsey за 100 лет — включает 191 отобранный материал, объединяя принцип пирамиды, структурированное стратегическое мышление, методы работы…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияGitHubДанные и аналитикаИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 8. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 114
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1327 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)
  • +3Длина description 114: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +2Инструкции на одном языке
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 114 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This is mostly a coherent McKinsey-style knowledge skill, but it tells agents how to use local IMA credentials and external API commands without clear consent or privacy boundaries.
LLM: suspicious (medium) · VirusTotal: · 9 июн. 2026 г.