SKILLEMALL.ai

AC job-analysis-work

В диалоге помогает изучить Главу 2 «Методы, ориентированные на работу» из курса «Анализ работы/Job Analysis». Основано на учебниках Brannick/Levine/Morgeson и др. Используется, когда пользователь обсуждает, задает вопросы или применяет четыре основных метода, ориентированных на работу (хронометраж, FJA, инвентаризация задач, CIT), и их производные концепции (DOT/O*NET, worker functions data-people-things, синтаксис FJA, MTEWA/MPSMS, выборочное наблюдение за работой, therblig, CODAP/WPSS, критический инцидент). Использует постепенное раскрытие информации, читая детали из references/ по мере необходимости.

машинный переводПоказать оригиналСкрыть оригинал«在对话中辅助学习"工作分析/Job Analysis"第 2 章"Work-Oriented Methods"。基于 Brannick/Le…»

在对话中辅助学习"工作分析/Job Analysis"第 2 章"Work-Oriented Methods"。基于 Brannick/Levine/Morgeson 等人教材。当用户讨论、提问、或应用四大 work-oriented 方法(time-and-motion study、FJA、task inventory、CIT)及其衍生概念(DOT/O*NET、worker functions data-people-things、FJA 语法、MTEWA/MPSMS、work sampling、therblig、CODAP/WPSS、critical incident)时使用。使用渐进式披露,按需读取 references/ 下的细节。

ClawHub Agent Skills автор: John Do v1.0.0 MIT-0 9 файлов тело ≈ 1 447 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

В диалоге помогает изучить Главу 2 «Методы, ориентированные на работу» из курса «Анализ работы/Job Analysis».

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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: 9. 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: 43
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1447 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

  • +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
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 324 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a coherent study-assistant skill for job-analysis coursework, with only markdown instructions and reference notes.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.