SKILLEMALL.ai
GitHub ↗ EN Войти

AC competitor-analysis

Навык конкурентного анализа, основанный на методологии Чжан Цзайвана. Предоставляет систематическую структуру конкурентного анализа, инструменты и шаблоны, чтобы помочь пользователям проводить профессиональный конкурентный анализ.

машинный переводПоказать оригиналСкрыть оригинал«Competitive analysis skill based on Zhang Zaiwang's methodology. Provi…»

Competitive analysis skill based on Zhang Zaiwang's methodology. Provides systematic competitive analysis framework, tools and templates to help users conduct professional competitive analysis.

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 6 файлов тело ≈ 4 688 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Навык конкурентного анализа, основанный на методологии Чжан Цзайвана.

Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

АнализаторДанные и аналитикаМаркетингИсследованиятип 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
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Unexpected scalar at node end at line 7, column 32: author: "Zhang Zaiwang" capers@qq.com ^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (competitor-analysis) не совпадает с папкой (effective-competitive-analysis)
    • 60Шаги. Шагов: 228, расплывчатых формулировок: 4
    • 70Стоимость исполнения. Тело инструкции 4688 токенов
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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)
    • -219 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 193 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 39 заголовков
    • +3Пошаговые инструкции: 228 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.