SKILLEMALL.ai

AB opportunity-cost

Активируйте, когда пользователь говорит «что можно было сделать вместо этого», «какая следующая лучшая альтернатива», «стоит ли это затрат», «чем мы жертвуем, выбирая X», «ошибка разбитого окна» или распределяет дефицитные ресурсы (деньги, время, внимание, люди) между конкурирующими вариантами. НЕ активируйте, когда: все альтернативы действительно имеют нулевую ценность (больше нечего делать с ресурсом); решение полностью обратимо почти без затрат. Подробнее: deciqai.com/c/opportunity-cost

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user says "what could we have done instead," "what's th…»

Activate when: user says "what could we have done instead," "what's the next-best alternative," "is this worth the cost," "what are we giving up by choosing X," "broken window fallacy," or is allocating scarce resources (money, time, attention, people) across competing options. Do NOT activate when: all alternatives are genuinely zero-value (nothing else to do with the resource); the decision is fully reversible at near-zero cost. More: deciqai.com/c/opportunity-cost

ClawHub Agent Skills автор: deciqAI v1.0.4 MIT-0 5 файлов тело ≈ 1 622 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Активируйте, когда пользователь говорит «что можно было сделать вместо этого», «какая следующая лучшая альтернатива», «стоит ли это затрат», «чем мы жертвуем…

Как процесс B 79/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураФинансыОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
100/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
100
Прогон на моделях
не было
Процессный рейтинг
B
79/100
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: 5. 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 79/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1622 токенов
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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

    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 471 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 23 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: 100.

    Внешние проверки

    ClawHub: clean
    This is a plain-text decision-analysis skill that teaches opportunity-cost reasoning without requesting sensitive access or running code.
    LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.