SKILLEMALL.ai

AC opmc-industry-analysis

Навык глубокого отраслевого анализа OPC: систематическая структура отраслевого анализа из 10 измерений (PEST/размер рынка/цепочка создания стоимости/конкурентная среда/технологический маршрут/портрет клиента/объем и цена за единицу/нормативные риски/ожидания изменения рисков/выводы и рекомендации), встроенные 50+ авторитетных источников данных и строгие правила цитирования, вывод в формате Word + профессиональные диаграммы. Используется, когда пользователь упоминает отраслевой анализ, анализ рынка, исследование рынка, анализ отрасли, отраслевое исследование, размер рынка, отраслевой отчет.

машинный переводПоказать оригиналСкрыть оригинал«OPC行业深度分析技能:10维度系统化行业分析框架(PEST/市场规模/产业链/竞争格局/技术路线/客户画像/客单价量本利/合规风险/风险变…»

OPC行业深度分析技能:10维度系统化行业分析框架(PEST/市场规模/产业链/竞争格局/技术路线/客户画像/客单价量本利/合规风险/风险变化预期/结论建议),内置50+权威数据源与强制引用规范,输出Word文档+专业图表。当用户提到行业分析、赛道分析、市场研究、产业分析、行业调研、市场规模、行业报告时使用。

ClawHub Agent Skills автор: golngod v4.1.0 MIT-0 4 файла тело ≈ 1 319 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

Навык глубокого отраслевого анализа OPC: систематическая структура отраслевого анализа из 10 измерений (PEST/размер рынка/цепочка создания…

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

АнализаторИсследованияДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
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: 4. 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: 94
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1319 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
  • -218 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 155 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 94 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This is a coherent Chinese industry-research report skill with no executable code, hidden persistence, credential handling, or destructive behavior.
LLM: benign (high) · VirusTotal: · 15 июл. 2026 г.