SKILLEMALL.ai

BC intimate-ch03-attraction

Помощь в изучении главы 3 "Привлекательность" учебника "Тесные отношения" (Intimate Relationships) в диалоге. На основе 6-го издания учебника Роуленда С. Миллера "Тесные отношения". Используйте, когда пользователь обсуждает, задает вопросы, повторяет или пытается применить концепции привлекательности из этой главы (вознаграждение, близость, эффект простого знакомства, физическая привлекательность, соответствие, взаимность, сходство, комплементарность, психологическое сопротивление, эффект Ромео и Джульетты, ценность партнера, идеальный партнер). Используйте постепенное раскрытие информации, чтение деталей из references/ по запросу, естественное введение знаний из учебника в учебный диалог.

машинный переводПоказать оригиналСкрыть оригинал«在对话中辅助学习"亲密关系/Intimate Relationships"第 3 章"吸引力"。基于 Rowland S. Miller《I…»

在对话中辅助学习"亲密关系/Intimate Relationships"第 3 章"吸引力"。基于 Rowland S. Miller《Intimate Relationships》教材第 6 版。当用户讨论、提问、复习或尝试应用本章吸引力概念(reward 奖赏、proximity 临近、mere exposure effect 曝光效应、physical attractiveness 长相吸引力、matching 匹配、reciprocity 礼尚往来、similarity 相似性、complementarity 互补性、reactance 心理抗拒、Romeo and Juliet effect 罗密欧与朱丽叶效应、mate value 适配价值、ideal partner 理想伴侣)时使用。使用渐进式披露,按需读取 references/ 下的细节,把课本知识自然引入学习对话

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 11 файлов тело ≈ 611 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощь в изучении главы 3 "Привлекательность" учебника "Тесные отношения" (Intimate Relationships) в диалоге.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 11. 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: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 611 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 398 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a text-only Chinese study helper for a textbook chapter and does not request system access, credentials, code execution, network access, or persistence.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.