SKILLEMALL.ai

BD dalao

Фреймворк дистилляции мыслей экспертов - система имитации интеракций топ-экспертов v3.5 Ключевое обновление: переход от «меток позиций» к «дистилляции цепочки решений» Три основные функции: режим обсуждения, режим мнения, режим совещания Пул предварительно дистиллированных ролей: ИТ-эксперты ×9, гостиничный бизнес ×12 (включая реальную версию Чжао Лючжу), венчурный капитал ×12, всего 33 v3.5 новые функции: система градации источников информации, механизм проверки цепочки решений, фильтр цитат, формат быстрого вызова ⚠️ Весь вывод должен быть помечен как 【Симуляция мнения: XXX】, использовать в соответствии с законодательством ⚠️ Перед генерацией отчета необходимо пройти «проверку цепочки решений», иначе генерация запрещена Ключевые слова: симуляция обсуждения, дебаты экспертов, мнение экспертов, совещание экспертов

машинный переводПоказать оригиналСкрыть оригинал«大佬思想蒸馏框架 - 顶级大佬模拟互动系统 v3.5 核心升级:从"立场标签"升级为"决策链蒸馏" 三大核心功能:讨论模式、意见模式、参会模…»

大佬思想蒸馏框架 - 顶级大佬模拟互动系统 v3.5 核心升级:从"立场标签"升级为"决策链蒸馏" 三大核心功能:讨论模式、意见模式、参会模式 预蒸馏角色池:AI技术界×9位、酒店行业×12位(含晁留柱真实版)、风险投资×12位,共33位 v3.5新增:信息源分级系统、决策链验证机制、语录过滤器、快速调用格式 ⚠️ 所有输出必须标注【观点模拟:XXX】,法律合规使用 ⚠️ 生成报告前必须通过"决策链检测",否则不得生成 触发词:模拟讨论、大佬辩论、大佬意见、大佬参会

ClawHub Agent Skills автор: Chaoliuzhu v3.5.0 MIT-0 7 файлов · 1 скрипт тело ≈ 944 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Фреймворк дистилляции мыслей экспертов - система имитации интеракций топ-экспертов v3.5 Ключевое обновление: переход от «меток позиций» к «дистилляции цепочки…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
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: 7. 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (dalao) не совпадает с папкой (dalao-thought-leader-framework)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 44
  • 100Стоимость исполнения. Тело инструкции 944 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
  • -212 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 235 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
This skill is a Review item because it builds AI personas of real colleagues from workplace chats, private messages, documents, emails, and browser/API access.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.