SKILLEMALL.ai
GitHub ↗ EN Войти

AC chief-data-officer-advisor

Используйте для принятия решений по стратегии данных: обучение моделей на данных клиентов, хранилище против lakehouse против mesh, оценка стоимости данных для повышения зарплаты или M&A, или порядок найма специалистов по данным. Запускает ai_training_data_audit.py, data_product_strategy_picker.py и data_asset_valuator.py.

машинный переводПоказать оригиналСкрыть оригинал«Use for data strategy decisions: training models on customer data, war…»

Use for data strategy decisions: training models on customer data, warehouse vs lakehouse vs mesh, valuing data for a raise or M&A, or data hiring order. Runs ai_training_data_audit.py, data_product_strategy_picker.py and data_asset_valuator.py.

alirezarezvani/claude-skills Agent Skills автор: alirezarezvani MIT 8 файлов · 3 скрипта тело ≈ 2 648 токенов Открыть источникgithub.com↗ проанализирован 8 дн назад

Используйте для принятия решений по стратегии данных: обучение моделей на данных клиентов, хранилище против lakehouse против mesh, оценка стоимости данных для…

Как процесс C 57/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 2 местах: claude-skills, openclaw-master-skills

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: 8. 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 57/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 42
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2648 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +2Инструкции на одном языке
    • +3Длина description 245 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 3 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.