AA ai-usage-audit
Ежемесячный ретроспективный анализ использования ИИ и аналитика — извлекает вашу недавнюю историю разговоров, анализирует закономерности использования по нескольким измерениям и генерирует отполированный HTML-отчет с контрольным списком действий по улучшению. Активируется, когда пользователь говорит «аудит использования ИИ», «обзор использования», «просмотри мои чаты», «ежемесячный ретроспективный анализ», «проанализируй мои разговоры», «как я использовал ИИ», «月度回顾», «使用审计», «AI 使用回顾». Также активируется, когда пользователь хочет понять эффективность использования ИИ, обнаружить закономерности неэффективности или оптимизировать взаимодействие человека и ИИ. Даже неформальные фразы, такие как «что я делал в последнее время» (имея в виду разговоры с ИИ) или «давай проведем ретроспективу», должны активировать этот навык. Примечание: этот навык требует продукта ИИ с функциями памяти или истории чатов (например, Claude Pro с памятью).
машинный переводПоказать оригиналСкрыть оригинал«Monthly AI usage retrospective and insights — pulls your recent conver…»
Monthly AI usage retrospective and insights — pulls your recent conversation history, analyzes usage patterns across multiple dimensions, and generates a polished HTML report with an actionable improvement checklist. Trigger when the user says "AI usage audit", "usage review", "review my chats", "monthly retrospective", "analyze my conversations", "how have I been using AI", "月度回顾", "使用审计", "AI 使用回顾". Also trigger when the user wants to understand their AI usage efficiency, discover inefficiency patterns, or optimize human-AI collaboration. Even casual phrases like "what have I been doing lately" (referring to AI conversations) or "let's do a retro" should trigger this skill. Note: this skill requires an AI product with memory or chat history features (e.g. Claude Pro with memory).
Ежемесячный ретроспективный анализ использования ИИ и аналитика — извлекает вашу недавнюю историю разговоров, анализирует закономерности использования по…
Как процесс A 80/100 · Дойдёт до конца — слабые места: отчётность по ходу
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
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 4, column 14: description: Monthly AI usage retrospective and insights — pulls your recent co… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
Процессный рейтинг: все десять параметров 80/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Ошибки и развилки. Развилок: 7
- 85Шаги. Шагов: 70, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2945 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 12. 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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 792 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 30 заголовков
- +3Пошаговые инструкции: 70 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.