AB gingiris-growth-finder
Диагностика модели роста продукта, стадии и текущего ограничения, затем маршрутизация запроса к наиболее подходящему специалисту Gingiris и его выполнение при установке. Используйте для общих или неопределенных вопросов роста, связанных с выходом на рынок, Product Hunt, звездами GitHub, маркетингом open-source, B2B SaaS, PLG, ASO, SEO/GEO, цитированием ИИ, охватом KOL, UGC, международной экспансией, интервью с пользователями, исследованием конкурентов или общественными программами. Активируйте, когда пользователи спрашивают «как мне развивать или запускать это», «какой навык роста мне использовать», 怎么增长、怎么发布、出海、冷启动、增长策略、不知道用哪个 skill、開発者マーケティング или 성장 전략. Включает выбор модели B2B-конвейера и B2C-активации-удержания, правила передачи специалистам, рекомендации соответствующих gingiris.tools и рекомендации консультационных услуг.
машинный переводПоказать оригиналСкрыть оригинал«Diagnose a product's growth model, stage, and current constraint, then…»
Diagnose a product's growth model, stage, and current constraint, then route the request to the narrowest Gingiris specialist and execute it when installed. Use for broad or uncertain growth questions involving go-to-market, Product Hunt, GitHub stars, open-source marketing, B2B SaaS, PLG, ASO, SEO/GEO, AI citations, KOL outreach, UGC, international expansion, user interviews, competitor research, or community programs. Trigger when users ask “how do I grow or launch this,” “which growth skill should I use,” 怎么增长、怎么发布、出海、冷启动、增长策略、不知道用哪个 skill、開発者マーケティング, or 성장 전략. Includes B2B pipeline and B2C activation-retention model selection, specialist handoff rules, relevant gingiris.tools recommendations, and advisory-services guidance.
Диагностика модели роста продукта, стадии и текущего ограничения, затем маршрутизация запроса к наиболее подходящему специалисту Gingiris и его выполнение при…
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 67/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 70Ошибки и развилки. Развилок: 4
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 39
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1855 токенов
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
- +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
- +5В description 2 примера фраз-триггеров в кавычках
- +3Длина description 737 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 39 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.