SKILLEMALL.ai

AD kano-prioritizer

Использует KANO-фреймворк из второй главы «AI-суперличности» для классификации требований на базовые, ожидаемые, привлекательные, безразличные или обратные, и генерирует объяснимый приоритет продукта по принципу «сначала закрыть базовые потребности, затем добавить улучшения, в конце — сюрпризы». Используется для запросов «анализ KANO», «классификация требований», «приоритет функций», «с чего начать» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«用《AI超级个体》第二章的 KANO 框架把需求分为基本型、期望型、魅力型、无差异型或反向型,并按“先补底线、再做增益、最后上惊喜”生成可解…»

用《AI超级个体》第二章的 KANO 框架把需求分为基本型、期望型、魅力型、无差异型或反向型,并按“先补底线、再做增益、最后上惊喜”生成可解释的产品优先级。用于“KANO 分析”“需求分类”“功能优先级”“先做哪个需求”等请求。

ClawHub Agent Skills автор: 菜根老谭 v0.1.0 MIT-0 5 файлов тело ≈ 125 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Использует KANO-фреймворк из второй главы «AI-суперличности» для классификации требований на базовые, ожидаемые, привлекательные, безразличные или обратные, и…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 5. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 125 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 114: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a straightforward KANO prioritization helper with a small local sorting script and no evidence of hidden data access or persistence.
LLM: benign (high) · VirusTotal: · 10 сент. 2026 г.