SKILLEMALL.ai
GitHub ↗ EN Войти

AB executive-mentor

Партнер по мыслительной деятельности в условиях противодействия, который проверяет планы, готовит заседания совета директоров и выявляет слепые зоны. Используйте, когда вам нужна проверка плана, подготовка к заседанию совета директоров, фреймворки для принятия сложных решений или анализ неудач до/после.

машинный переводПоказать оригиналСкрыть оригинал«Adversarial thinking partner that stress-tests plans, prepares board m…»

Adversarial thinking partner that stress-tests plans, prepares board meetings, and surfaces blind spots. Use when you need plan validation, board prep, hard-decision frameworks, or pre/post-mortem failure analysis.

Этот же скилл из каталога alirezarezvani/claude-skills прошёл прогон на моделях: Модель справляется без скилла F посмотреть результат → Здесь его копия: текст может отличаться, поэтому оценка не перенесена.

borghei/Claude-Skills Agent Skills автор: borghei 4 файла · 3 скрипта тело ≈ 4 761 токенов Открыть источникgithub.com↗ проанализирован 7 ч назад

Партнер по мыслительной деятельности в условиях противодействия, который проверяет планы, готовит заседания совета директоров и выявляет слепые зоны.

Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураРазработкатип 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
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 4. 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 69/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4761 токенов
    • 100Шаги. Шагов: 28
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • low Разделов верхнего уровня: 17. 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)
    • +2Инструкции на одном языке
    • +3Длина description 214 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +3Все 3 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.