CC research-discipline
Краткий чек-лист самокоррекции для запуска в НАЧАЛЕ любой задачи инвестиционного исследования (скрининг акций / исследование сектора / глубокий анализ компании). Четыре вида предвзятости, систематически искажающие исследования ИИ — предвзятость лидера (только крупные компании), англоцентричность (пропуск японских/корейских/тайваньских игроков), нарративная предвзятость (погоня за концептуальными ярлыками), предвзятость подтверждения (только бычьи доказательства) — плюс предвзятость недавних событий. Загрузите это первым, затем проводите исследование, учитывая исправления. Это не рабочий процесс, а 60-секундная коррекция установки, которая существенно улучшает охват и честность.
машинный переводПоказать оригиналСкрыть оригинал«A short self-bias checklist to run at the START of any investment rese…»
A short self-bias checklist to run at the START of any investment research task (stock screen / sector study / company deep-dive). Four biases that systematically warp AI research — leader-bias (only big caps), English-bias (miss JP/KR/TW players), narrative-bias (chase concept labels), confirmation-bias (only bullish evidence) — plus recency-bias. Load this first, then research with the corrections in mind. Not a workflow, just a 60-second attitude reset that materially improves coverage and honesty.
Краткий чек-лист самокоррекции для запуска в НАЧАЛЕ любой задачи инвестиционного исследования (скрининг акций / исследование сектора / глубокий анализ…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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: 7
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 576 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 506 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 3 заголовков
- +3Пошаговые инструкции: 7 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.