SKILLEMALL.ai
GitHub ↗ EN Войти

AA agent-analytics-autoresearch

Запускает цикл роста в стиле autoresearch для целевых страниц, онбординга, ценообразования и кандидатов для экспериментов. Собирает или читает снимки аналитики, сохраняет истинность продукта, генерирует/критикует/синтезирует варианты, слепо ранжирует с помощью Borda scoring и выдает два варианта A/B-тестирования, готовых к обзору. Работает с любыми данными аналитики; лучше всего с Agent Analytics CLI/API.

машинный переводПоказать оригиналСкрыть оригинал«Run an autoresearch-style growth loop for landing pages, onboarding, p…»

Run an autoresearch-style growth loop for landing pages, onboarding, pricing, and experiment candidates. Collect or read analytics snapshots, preserve product truth, generate/critique/synthesize variants, blind-rank with Borda scoring, and output two review-ready A/B test variants. Works with any analytics data; best with Agent Analytics CLI/API.

ClawHub Agent Skills автор: Danny Shmueli v1.0.9 MIT-0 8 файлов · 2 скрипта тело ≈ 1 677 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Запускает цикл роста в стиле autoresearch для целевых страниц, онбординга, ценообразования и кандидатов для экспериментов.

Как процесс A 81/100 · Дойдёт до конца — слабые места: повторный запуск

ИнтеграцияGitHubДанные и аналитикаИИ и агентытип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
60
Ошибки и развилки вес 10
65
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: 8. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "repository"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "provides"

Процессный рейтинг: все десять параметров 81/100

  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 65Ошибки и развилки. Развилок: 3
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 52
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1677 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • +2Инструкции на одном языке
  • +3Длина description 348 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 52 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This skill is a disclosed, review-first analytics workflow that reads analytics data and writes local experiment-planning artifacts without hidden or automatic production changes.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.