SKILLEMALL.ai

AB user-research-synthesis

Используйте этот навык, когда у UX-исследователя или продуктовой команды есть необработанные качественные данные — транскрипты, заметки по юзабилити, ответы на опросы или записи из дневников — и нужен структурированный отчет с выводами. Создает основанные на доказательствах темы и рекомендации, которые продуктовая команда может использовать.

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when a UX researcher or product team has raw qualitativ…»

Use this skill when a UX researcher or product team has raw qualitative data — transcripts, usability notes, survey responses, or diary entries — and needs a structured insights report. Produces evidence-backed themes and recommendations a product team can act on.

ClawHub Agent Skills автор: devasher v0.2.2 MIT-0 4 файла тело ≈ 1 960 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используйте этот навык, когда у UX-исследователя или продуктовой команды есть необработанные качественные данные — транскрипты, заметки по юзабилити, ответы…

Как процесс B 69/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

ГенераторДанные и аналитикаИнфраструктураДизайнтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1960 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed UX research synthesis workflow that asks for user-provided research data and turns it into anonymized, evidence-backed reports.
    LLM: benign (high) · VirusTotal: · 28 мая 2026 г.