SKILLEMALL.ai
EN Войти

AB pain2mvp

Находите и структурируйте продуктовые возможности из публичных обсуждений пользователей, затем преобразуйте лучшие возможности в упрощенный PRD для агента кодирования. Используйте, когда пользователю нужно направление, что создавать, или он хочет найти повторяющиеся проблемы, неудовлетворенные потребности, жалобы конкурентов или рыночные сигналы вокруг идеи, группы пользователей или категории продуктов.

машинный переводПоказать оригиналСкрыть оригинал«Discover and structure product opportunities from public user discussi…»

Discover and structure product opportunities from public user discussions, then convert top opportunities into a lightweight PRD for a coding agent. Use when the user needs direction on what to build, or wants to find recurring pain points, unmet needs, competitor complaints, or market signals around an idea, user group, or product category.

ClawHub Agent Skills автор: zhao-weijie v1.0.2 MIT-0 10 файлов тело ≈ 725 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Находите и структурируйте продуктовые возможности из публичных обсуждений пользователей, затем преобразуйте лучшие возможности в упрощенный PRD для агента…

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ГенераторРазработкаИнфраструктураИИ и агентытип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:17
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…irR+ao+eE6O…aUD+JOK0Z7gyQ==",
      детектор

    Просканировано файлов: 10. 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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (web, node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 40
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 725 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
    • -33 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 343 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

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

    Внешние проверки

    ClawHub: clean
    This skill is a purpose-aligned product research helper that stores findings in a user-configured TiDB database, but users should understand that persistence before using it.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.