AB pm-agent
Агент рабочего процесса управления продуктом на базе ИИ. Используйте, когда пользователь хочет провести исследование продукта, написать PRD, приоритизировать функции, спроектировать эксперименты, спланировать запуски или выполнить любой рабочий процесс PM. Триггеры по фразам вроде "product discovery", "write PRD", "user research", "prioritize features", "design sprint", "product launch", "opportunity mapping", "JTBD", "jobs to be done", "working backwards", "PM workflow", "product planning", "feature prioritization", "competitor analysis", "user persona", "GTM plan", "product strategy". Охватывает полный жизненный цикл PM от исследования до запуска, используя проверенные фреймворки (JTBD, Opportunity Solution Tree, RICE, Kano, Amazon Working Backwards, Google Design Sprint, Lean BML).
машинный переводПоказать оригиналСкрыть оригинал«AI-powered product management workflow agent. Use when the user wants…»
AI-powered product management workflow agent. Use when the user wants to do product discovery, write PRDs, prioritize features, design experiments, plan launches, or run any PM workflow. Triggers on phrases like "product discovery", "write PRD", "user research", "prioritize features", "design sprint", "product launch", "opportunity mapping", "JTBD", "jobs to be done", "working backwards", "PM workflow", "product planning", "feature prioritization", "competitor analysis", "user persona", "GTM plan", "product strategy". Covers the full PM lifecycle from research to launch using proven frameworks (JTBD, Opportunity Solution Tree, RICE, Kano, Amazon Working Backwards, Google Design Sprint, Lean BML).
Агент рабочего процесса управления продуктом на базе ИИ.
Как процесс B 74/100 · Почти готов — слабые места: ошибки и развилки, согласованность, 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: 4. 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 74/100
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (pm-agent) не совпадает с папкой (ai-pm-agent)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 39
- 100Результат и критерий готовности. Формат результата и критерий готовности описаны
- 100Стоимость исполнения. Тело инструкции 1312 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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 16 примера фраз-триггеров в кавычках
- +3Длина description 705 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 39 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.