BB deep-company-series
Напишите серию из 8 углубленных статей для публикации об одной компании (всего около 120 тыс. слов): когнитивная перезагрузка / конкурентное преимущество / двигатель прибыли / скрытые активы / переменная эпохи (например, ИИ) / финансовые показатели в стиле Баффетта / менеджмент / оценка + красные линии. Основная интеллектуальная собственность — это НЕ написание, а ПЕРЕСМОТР — строгий контрольный список проверки фактов выявляет псевдоточность (взвешенные по вероятности ожидания, расхождения в количестве активных пользователей по данным третьих сторон, линейную экстраполяцию), абсолютные формулировки и несоответствия в числах между статьями, которые нарушают большинство длинных финансовых текстов. Каждая часть является самостоятельной, но использует одну и ту же структуру оценки/менеджмента/цены. Используйте, когда пользователь хочет получить глубину уровня учебника по одной компании для публичной публикации (один отчет об исследованиях или заметка о прибыли — это НЕ то, используйте вместо этого investment-research / earnings-review).
машинный переводПоказать оригиналСкрыть оригинал«Write a publication-grade 8-part deep-dive series on a single company…»
Write a publication-grade 8-part deep-dive series on a single company (~120k words total): cognitive reset / moat / profit engine / hidden assets / era variable (e.g. AI) / financials Buffett-style / management / valuation+redlines. The core IP is NOT writing but REVISING — a strict fact-check checklist catches pseudo-precision (probability-weighted expectations, third-party MAU discrepancies, linear extrapolation), absolute language, and cross-article number inconsistencies that most finance long-forms violate. Each piece stands alone but shares one valuation/management/price framework. Use when the user wants textbook-level depth on one company for public publishing (a single research report or earnings note is NOT this — use investment-research / earnings-review instead).
Напишите серию из 8 углубленных статей для публикации об одной компании (всего около 120 тыс.
Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 1. 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 66/100
- 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
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 55Ошибки и развилки. Развилок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 41
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2219 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 785 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 41 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.