SKILLEMALL.ai

BC mingxi-analyzer

Система анализа Минси (明析-analyzer). Используется, когда пользователю нужен структурированный глубокий анализ, диагностика системы, анализ противоречий, моделирование игр, оценка качества контента, управление знаниями или перекрестная проверка. Триггеры: анализ, диагностика, моделирование, ретроспектива, оценка, анализ фреймворка, диагностика системы, анализ противоречий, пятиуровневое моделирование, OCGS, интерпретация политики, оценка идей, перекрестная проверка. Применяется для анализа политики, исследования рынка, стратегического планирования, оценки контента, организационной диагностики, разбора сложных проблем и т. д. Этот навык преобразует методологию в операционные аналитические процессы, обеспечивая маркировку достоверности, условия отказа и план обратной проверки для каждого вывода.

машинный переводПоказать оригиналСкрыть оригинал«明析分析框架体系(明析-analyzer)。当用户需要进行结构化深度分析、系统诊断、矛盾分析、博弈推演、内容质量评估、知识管理或交叉验证时使…»

明析分析框架体系(明析-analyzer)。当用户需要进行结构化深度分析、系统诊断、矛盾分析、博弈推演、内容质量评估、知识管理或交叉验证时使用。触发词:分析、诊断、推演、复盘、评估、框架分析、系统诊断、矛盾分析、五层推演、OCGS、政策解读、灵感评估、交叉验证。适用于政策分析、市场研究、战略规划、内容评估、组织诊断、复杂问题拆解等场景。此技能将方法论转化为可操作的分析流程,确保每次输出都有信度标注、失效条件和回查计划。

ClawHub Agent Skills автор: 122201 v1.0.0 MIT-0 15 файлов тело ≈ 556 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Система анализа Минси (明析-analyzer).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 556 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (11 из 11)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a Chinese structured-analysis skill with local helper scripts and disclosed local tracking, with no evidence of exfiltration, credential access, destructive actions, or hidden installation behavior.
LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.