SKILLEMALL.ai

AB startup-risk-radar

Оценивает стартап-идеи, бизнес-модели и продуктовые стратегии на основе 7 смертельных антипаттернов провала, извлеченных из 1749 обанкротившихся стартапов, которые сожгли 535+ млрд долларов. Используйте, когда пользователь оценивает стартап-идею, планирует новый продукт, анализирует бизнес-модель, оценивает конкурентную позицию, проверяет юнит-экономику или спрашивает «сработает ли это?». Также активируется, когда пользователь упоминает риски стартапов, паттерны провала, конкурентное преимущество, юнит-экономику, скорость сжигания средств, проверку рыночной потребности, регуляторные риски, конфликты основателей, опасения по поводу соответствия продукта рынку или решения о пивоте. Предоставляет структурированную оценку рисков, выявление «красных флагов» и действенные рекомендации, основанные на реальных данных о провалах.

машинный переводПоказать оригиналСкрыть оригинал«Evaluate startup ideas, business models, and product strategies agains…»

Evaluate startup ideas, business models, and product strategies against the 7 deadly failure antipatterns extracted from 1,749 dead startups that burned $535B+. Use when the user is evaluating a startup idea, planning a new product, reviewing a business model, assessing competitive positioning, checking unit economics, or asking "will this work?" Also trigger when the user mentions startup risk, failure patterns, competitive moat, unit economics, burn rate, market need validation, regulatory risk, founder conflict, product-market fit concerns, or pivot decisions. Provides structured risk assessment, red flag identification, and actionable recommendations based on real failure data.

ClawHub Agent Skills автор: Conn Ho v1.0.0 MIT-0 4 файла тело ≈ 784 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оценивает стартап-идеи, бизнес-модели и продуктовые стратегии на основе 7 смертельных антипаттернов провала, извлеченных из 1749 обанкротившихся стартапов…

Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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 71/100

    • 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
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 784 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)
    • -217 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 690 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a markdown-only startup risk assessment skill that provides advisory analysis and does not execute code, access credentials, or persist data.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.