SKILLEMALL.ai

AB loss-aversion-prospect-theory

Активируйте, когда: кто-то говорит «Я не хочу терять то, что у меня есть», сделка застряла из-за того, что уступка ощущается как потеря, изменение цены или стимула вызывает неожиданную негативную реакцию, кто-то отказывается от ставки, которая выглядит положительной по ожидаемой стоимости, пробная версия имеет высокий процент отмены. НЕ активируйте, когда: избегаемая потеря действительно катастрофична и необратима (используйте Kelly/antifragile вместо этого); решение незначительное и одноразовое, где допустимо приближение EV. Подробнее: deciqai.com/c/loss-aversion-prospect-theory

машинный переводПоказать оригиналСкрыть оригинал«Activate when: someone says 'I don't want to lose what I have', a deal…»

Activate when: someone says 'I don't want to lose what I have', a deal is stuck because a concession feels like a loss, a pricing or incentive change gets unexpected pushback, someone is refusing a bet that looks positive in expected value, a free trial cancels at high rate. Do NOT activate when: the loss being avoided is genuinely catastrophic and irreversible (use Kelly/antifragile instead); the decision is small and one-shot where EV approximation is acceptable. More: deciqai.com/c/loss-aversion-prospect-theory

ClawHub Agent Skills автор: deciqAI v1.0.4 MIT-0 6 файлов тело ≈ 1 891 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Активируйте, когда: кто-то говорит «Я не хочу терять то, что у меня есть», сделка застряла из-за того, что уступка ощущается как потеря, изменение цены или…

Как процесс B 65/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ПроцедураПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 6. 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 65/100

    • 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
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 25
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1891 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 519 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This is a static educational decision-making skill with no executable code, credential use, persistence, or hidden data flow.
    LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.