SKILLEMALL.ai

AC zmm-flow

📐 詹明明·Где будет потеряно — специальный модуль для «точек потери». Прослушивает сценарий от лица зрителя: что у зрителя в руках на каждом этапе, чего он ждет, и где происходит разрыв — то, чего ждали, не пришло; то, что уже есть, продолжают давать; то, что дают, не слышно. После диагностики по умолчанию активно спрашивает, нужно ли пометить сценарий для редактирования. Способ активации: /zmm-flow, /会不会划走, /顺稿, /zmm-顺稿, «顺不顺», «哪里会划走», «逻辑有没有断», «读起来卡不卡», «完播会不会掉» Проверка оттока для сценариев говорящей головы: прослушайте сценарий как слушатель, шаг за шагом — что держит зритель, чего он ждет и где эта цепочка разрывается. Активация: /zmm-flow, «does this script flow», «where will viewers drop off», «check retention risk» —— 📐 詹明明 · Не даем формул, даем критерии. Каждое правило сопровождается оценкой реальной стоимости.

машинный переводПоказать оригиналСкрыть оригинал«📐 詹明明·哪里会被划走 ——口播稿「划走点」专项。替观众把稿子听一遍:每一拍观众手里有什么、在等什么,断在哪一拍 —— 等的没来、手里有…»

📐 詹明明·哪里会被划走 ——口播稿「划走点」专项。替观众把稿子听一遍:每一拍观众手里有什么、在等什么,断在哪一拍 —— 等的没来、手里有了还在给、正在给的听不清。诊断完默认主动问是否标记式改稿。 触发方式:/zmm-flow、/会不会划走、/顺稿、/zmm-顺稿、「这稿子顺不顺」「哪里会划走」「逻辑有没有断」「读起来卡不卡」「完播会不会掉」 Drop-off check for talking-head scripts: walk the script as a listener, beat by beat — what the viewer holds, what they are waiting for, and where that chain breaks. Trigger: /zmm-flow, "does this script flow", "where will viewers drop off", "check retention risk" —— 📐 詹明明 · 不给公式,给判据。每条规则都标了实测代价。

ClawHub Agent Skills автор: 詹明明 v0.2.7 MIT-0 9 файлов тело ≈ 957 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

📐 詹明明·Где будет потеряно — специальный модуль для «точек потери».

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
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

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

    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: 23
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 957 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 11. 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

    • +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 3 примера фраз-триггеров в кавычках
    • +3Длина description 472 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 23 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: 91.

    Внешние проверки

    ClawHub: suspicious
    This script-review skill is not malware, but it can let external vault rules and saved feedback steer future agent behavior without clear user control.
    LLM: suspicious (high) · VirusTotal: · 6 сент. 2026 г.