SKILLEMALL.ai

AC analytical-thinking

Используйте этот навык, когда пользователь запрашивает аналитическое мышление (включая его название или указание использовать/применить/запустить с очевидными опечатками; решительность) или хочет структурированного анализа — разложения проблемы, определения метрик и гипотез, организации доказательств и синтеза результатов с явным указанием неопределенности. Используйте для структурирования рассуждений в стиле количественных исследований, деревьев первопричин, таблиц решений или аналогичных структур, включая неформальные или неполные запросы данных. Пропускайте, когда требуется свободный поток идей без измерения или гипотез, или краткий вердикт без запроса на разложение.

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when the user asks for analytical thinking (including n…»

Use this skill when the user asks for analytical thinking (including naming it or directing use/apply/run with obvious misspellings; decisive) or wants a structured breakdown—decomposing the problem, defining metrics and hypotheses, organizing evidence, and synthesizing findings with explicit uncertainty. Use for quant-style reasoning framing, root-cause trees, decision tables, or comparable structure, including informal or incomplete data asks. Skip when they want open-ended idea spray with no measurement or hypothesis angle, or a short verdict with no decomposition requested.

ClawHub Agent Skills автор: Siva Sai v2026.5.17 MIT-0 2 файла тело ≈ 645 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте этот навык, когда пользователь запрашивает аналитическое мышление (включая его название или указание использовать/применить/запустить с очевидными…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

СправочникИнфраструктураДанные и аналитикаИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 100Шаги. Шагов: 14
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 645 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 584 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

    Внешние проверки

    ClawHub: clean
    This skill only guides the agent to answer analytical questions in a structured format and does not add code or request access.
    LLM: benign (high) · 28 мая 2026 г.