SKILLEMALL.ai

AB discovery

Используйте при запуске новой функции, сборе требований для незнакомой области, уточнении расплывчатой идеи в действенный объем или когда запрос пользователя неоднозначен или недостаточно специфицирован. Проводит исследование SAM Stage 1 — структурированный сбор требований через обсуждение с пользователем, задавая ВОПРОСЫ КТО/ЧТО/КОГДА/ПОЧЕМУ и никогда КАК. Создает документ ARTIFACT:DISCOVERY, содержащий требования к функции, NFR, цели, анти-цели, ссылки и решенные вопросы. Поддерживает самоинициализацию элементов бэклога через

машинный переводПоказать оригиналСкрыть оригинал«Use when starting a new feature, gathering requirements for an unfamil…»

Use when starting a new feature, gathering requirements for an unfamiliar domain, refining a vague idea into actionable scope, or when a user request is ambiguous or underspecified. Conducts SAM Stage 1 discovery — structured requirements gathering through user discussion, asking WHO/WHAT/WHEN/WHY and never HOW. Produces the ARTIFACT:DISCOVERY document containing feature requirements, NFRs, goals, anti-goals, references, and resolved questions. Supports backlog item self-initialization via a

Jamie-BitFlight/claude_skills Agent Skills автор: Jamie-BitFlight MIT 1 файл тело ≈ 1 910 токенов Открыть источникgithub.com↗ проанализирован 8 дн назад

Используйте при запуске новой функции, сборе требований для незнакомой области, уточнении расплывчатой идеи в действенный объем или когда запрос пользователя…

Как процесс B 76/100 · Почти готов — слабые места: ошибки и развилки, отчётность по ходу

ПроцедураОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
50
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: 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 76/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 39, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1910 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 496 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 39 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.