SKILLEMALL.ai
GitHub ↗ EN Войти

BD virtual_user_skill

Навык генерации виртуальных пользователей и проведения интервью на основе библиотеки из более чем 54 000 реальных сценариев использования. Использует локальный векторный поиск для сопоставления соответствующих сценариев, генерирует разнообразные типы виртуальных пользователей, поддерживает глубокие диалоги и оценку продуктовых решений. Активируется, когда пользователь упоминает виртуальных пользователей, пользователей из библиотеки сценариев, генерацию пользовательских профилей, симуляцию пользовательских интервью, поиск по библиотеке сценариев, оценку пользователей на основе сценариев. Примечание: этот навык отличается от virtual-user-interview (версия API), этот навык основан на локальном векторном поиске по библиотеке сценариев и не зависит от внешних API.

машинный переводПоказать оригиналСкрыть оригинал«基于 54,000+ 条真实用研场景库的虚拟用户生成与访谈技能。通过本地向量检索匹配相关场景，生成多样化虚拟用户类型，支持深度对话访谈和产品…»

基于 54,000+ 条真实用研场景库的虚拟用户生成与访谈技能。通过本地向量检索匹配相关场景，生成多样化虚拟用户类型，支持深度对话访谈和产品方案测评。当用户提到虚拟用户、场景库用户、生成用户画像、用户访谈模拟、场景库检索、基于场景的用户测评时触发。注意：本技能与 virtual-user-interview（API 版）不同，本技能基于本地场景库向量检索，不依赖外部 API。

ClawHub Agent Skills автор: chuxin-wenxiang v1.0.0 MIT-0 28 файлов · 1 скрипт тело ≈ 610 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык генерации виртуальных пользователей и проведения интервью на основе библиотеки из более чем 54 000 реальных сценариев использования.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Опасные команды cmd-privilege DEPLOYMENT.md:215
    Повышение привилегий / права на запись для всех
    sudo cp virtual_user.service /etc/systemd/system/
  • низкая Опасные команды cmd-background-process DEPLOYMENT.md:216
    Запуск фонового / автозапускаемого процесса
    sudo systemctl enable virtual_user

Просканировано файлов: 27. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (virtual_user_skill) не совпадает с папкой (virtual-user-skill)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 23
  • 100Стоимость исполнения. Тело инструкции 610 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

  • +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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -36 из 7 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 189 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate local virtual-user research skill, but it needs review because it can over-ingest or expose sensitive user-research data.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.