SKILLEMALL.ai

AB tipping-point

Активировать, когда: пользователь спрашивает «как близки мы к критической массе», «почему рост внезапно взорвался (или рухнул)», «будет ли этот тренд продолжать распространяться», «есть ли здесь порог сетевого эффекта», «что, если бы мы сосредоточили усилия на ранних последователях». НЕ активировать, когда: явление действительно линейно, без сетевых эффектов или динамики социального доказательства; вопрос чисто «есть ли у нас соответствие продукта рынку» до начала какого-либо распространения. Подробнее: deciqai.com/c/tipping-point

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user asks 'how close are we to critical mass', 'why did…»

Activate when: user asks 'how close are we to critical mass', 'why did growth suddenly explode (or collapse)', 'will this trend keep spreading', 'is there a network effect threshold here', 'what if we concentrated effort on early adopters'. Do NOT activate when: the phenomenon is genuinely linear with no network effects or social-proof dynamics; the question is purely 'do we have product-market fit' before any diffusion has started. More: deciqai.com/c/tipping-point

ClawHub Agent Skills автор: deciqAI v1.0.5 MIT-0 5 файлов тело ≈ 2 122 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Активировать, когда: пользователь спрашивает «как близки мы к критической массе», «почему рост внезапно взорвался (или рухнул)», «будет ли этот тренд…

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

ПроцедураИнфраструктураДанные и аналитикаИИ и агентытип 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: 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 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: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2122 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 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

    • +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 470 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 31 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 markdown-only thinking framework for analyzing tipping points and does not request unsafe access or actions.
    LLM: benign (high) · VirusTotal: · 17 июл. 2026 г.