AC user-research-cookiy
Комплексный ассистент по пользовательским исследованиям — качественным и количественным. Используйте этот навык всякий раз, когда пользователь упоминает пользовательские исследования, пользовательские интервью, руководства для обсуждений, руководства для интервью, планы исследований, качественные исследования, количественные исследования, опросы пользователей, дизайн опросов, юзабилити-тестирование, подбор участников, синтез исследований, стенограммы интервью, отчеты об исследованиях, проведение исследований с помощью ИИ или явно упоминает Cookiy AI. Также активируйте, когда пользователи хотят поговорить с клиентами, провести разведывательные исследования, создать исследование или опрос, проанализировать данные интервью, провести интервью под руководством ИИ или собрать ответы на опросы. Охватывает полный цикл: планирование исследований, создание руководств для обсуждений, проведение интервью под руководством ИИ (реальных или синтетических) через Cookiy, разработку и распространение опросов, а также синтез результатов в отчеты.
машинный переводПоказать оригиналСкрыть оригинал«End-to-end user research assistant — qualitative and quantitative. Use…»
End-to-end user research assistant — qualitative and quantitative. Use this skill whenever the user mentions user research, user interviews, discussion guides, interview guides, research plans, qualitative research, quantitative research, user surveys, survey design, usability studies, participant recruitment, research synthesis, interview transcripts, research reports, running studies with AI, or explicitly mentions Cookiy AI. Also trigger when users want to talk to customers, conduct discovery research, create a study or survey, analyze interview data, run AI-moderated interviews, or collect survey responses. Covers the full lifecycle: planning studies, creating discussion guides, running AI-moderated interviews (real or synthetic) via Cookiy, designing and distributing surveys, and synthesizing results into reports.
Комплексный ассистент по пользовательским исследованиям — качественным и количественным.
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
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: 21. 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 55/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Ошибки и развилки. Развилок: 2
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 5
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 706 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)
- +3Длина description 830: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 5 пунктов
- +4Есть примеры (0 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.