SKILLEMALL.ai

AC dossier

Навык исследования сущностей для принятия решений — создает досье с проверкой гипотез о конкретной компании, человеке, некоммерческой организации или правительственной структуре, а не общий профиль. Обязательный ввод заставляет пользователя заранее изложить свою гипотезу (что он уже считает и хочет проверить или опровергнуть), поэтому досье проверяет её, а не подтверждает. Результат — редактируемый документ Word (.docx) с вердиктом по гипотезе, фактами об идентичности, временной шкалой активности за 12 месяцев, сигналами о сети и репутации, тревожными сигналами, крючками для разговора, связанными с конкретными выводами, и журналом аудита с указанием источников. Использует WebSearch + WebFetch + бесплатные API (SEC EDGAR, GitHub, ProPublica) в качестве основных инструментов; необязательные BYOK MCP улучшают охват. Используйте, когда пользователь запрашивает фоновое исследование, проверку или подготовку к встрече по конкретной сущности (например, «prep me for a meeting with [person/company]», «due diligence on [company]»). Учитывает исключения конфиденциальности для журналистских и личных проверок.

машинный переводПоказать оригиналСкрыть оригинал«Decision-grade entity research skill — produces a hypothesis-tested do…»

Decision-grade entity research skill — produces a hypothesis-tested dossier on a specific company, person, nonprofit, or government org, not a generic profile. Forcing intake makes the user state their hypothesis upfront (what they already believe and want to verify or disprove) so the dossier tests it rather than confirms it. Output is an editable Word document (.docx) with verdict on the hypothesis, identity facts, 12-month activity timeline, network and reputation signals, red flags, conversation hooks tied to specific findings, and source-provenance audit log. Uses WebSearch + WebFetch + free APIs (SEC EDGAR, GitHub, ProPublica) as workhorses; optional BYOK MCPs enhance coverage. Use when the user asks for background research, diligence, or meeting prep on a specific entity (e.g., 'prep me for a meeting with [person/company]', 'due diligence on [company]'). Honors sensitivity exclusions for journalism + personal-vetting contexts.

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI 7 файлов · 3 скрипта тело ≈ 3 879 токенов Открыть источникgithub.com↗ проанализирован 10 дн назад

Навык исследования сущностей для принятия решений — создает досье с проверкой гипотез о конкретной компании, человеке, некоммерческой организации или…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторWordGitHubИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 7. 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 61/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 81
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3879 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

    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)
    • +3Длина description 947: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +4Структура: 31 заголовков
    • +3Пошаговые инструкции: 81 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 3 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.