AD threadseer
Преобразует стенограммы, записи встреч, чаты, интервью, голосовые заметки и смешанные разговорные материалы в обоснованные аналитические отчеты, рекомендации, планы действий, анализы рисков и инсайтов, общие командные отчеты, черновики последующих действий и институциональную память. Используйте, когда Codex должен анализировать разговор от начала до конца; извлекать решения, обязательства, ответственных, разногласия, предположения, риски, возможности или амбициозные проекты; отвечать, что делать дальше и почему; сравнивать разговоры во времени; или превращать беспорядочный диалог в структурированный результат в формате Markdown или JSON, различая заявленные доказательства и выводы.
машинный переводПоказать оригиналСкрыть оригинал«Transform transcripts, meetings, chats, interviews, voice notes, and m…»
Transform transcripts, meetings, chats, interviews, voice notes, and mixed conversational material into evidence-backed decision briefs, recommendations, action plans, risk and insight analyses, shareable team reports, follow-up drafts, and institutional memory. Use when Codex must analyze a conversation end-to-end; extract decisions, commitments, owners, disagreements, assumptions, risks, opportunities, or moonshots; answer what to do next and why; compare conversations over time; or turn messy dialogue into a structured Markdown or JSON deliverable while distinguishing stated evidence from inference.
Преобразует стенограммы, записи встреч, чаты, интервью, голосовые заметки и смешанные разговорные материалы в обоснованные аналитические отчеты, рекомендации…
Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 13. 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 44/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (threadseer) не совпадает с папкой (threadseer-agent-skill)
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 19
- 100Стоимость исполнения. Тело инструкции 1579 токенов
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
- +2Инструкции на одном языке
- +3Длина description 609 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 2 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.