SKILLEMALL.ai

AC art-of-questioning

Двухрежимный навык для развития проницательности и навыков глубоких вопросов. Режим практики: анализирует контент, который пользователь изучает/слушает/читает, адаптивно сопоставляет 15+ междисциплинарных методологий постановки вопросов, генерирует список из 5 глубоких вопросов для ключевых этапов, каждый вопрос помечен методологией и когнитивным уровнем. Режим обучения: создает симуляционные сценарии, пошагово обучает лучшим способам постановки вопросов, поддерживает автоматическое срабатывание запланированных задач. Используйте, когда пользователю нужно глубоко понять контент, подготовить вопросы, попрактиковаться в критическом мышлении. Триггерные слова: тренировка вопросов, искусство задавать вопросы, помоги мне задать вопрос, глубокие вопросы, проницательные вопросы, практика вопросов, art of questioning, questioning practice, как задавать вопросы, помощь в задавании вопросов, critical questioning, ask better questions, глубокое мышление. Неприменимо для: написания промптов, генерации вопросов для собеседований, написания FAQ, разработки сценариев обслуживания клиентов.

машинный переводПоказать оригиналСкрыть оригинал«培养洞察力和深度提问能力的双模式 Skill。 实战模式:分析用户正在学习/听/读的内容,自适应匹配 15+ 跨学科提问方法论, 生成 5…»

培养洞察力和深度提问能力的双模式 Skill。 实战模式:分析用户正在学习/听/读的内容,自适应匹配 15+ 跨学科提问方法论, 生成 5 个关键环节的深度问题清单,每个问题标注方法论和认知层次。 训练模式:构造仿真场景,分环节教学讲解最佳提问方式,支持定时任务自动触发。 当用户需要深度理解内容、准备提问、练习批判性思考时使用。 触发词:提问训练、提问的艺术、帮我提问、深度提问、洞察提问、提问练习、 art of questioning、questioning practice、如何提问、提问辅助、 critical questioning、ask better questions、深度思考。 不适用于:写 prompt、生成面试题、FAQ 编写、客服话术设计。

ClawHub Agent Skills автор: fangshan101-coder v1.1.0 MIT-0 3 файла тело ≈ 957 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Двухрежимный навык для развития проницательности и навыков глубоких вопросов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктураИИ и агентыПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 3. 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")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 957 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 335 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is an instruction-only questioning coach; its broad auto-activation and optional scheduled practice are worth noticing, but it shows no code execution, credential use, file access, or data export.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.