SKILLEMALL.ai

AB interview-designer

Анализируйте резюме и разрабатывайте стратегии собеседований, используя методологию, основанную на фактических данных. Преобразует подготовку к собеседованию из "прочитать резюме → задать вопросы" в "определить стандарт → собрать доказательства → смоделировать будущее". Объединяет Topgrading Джеффа Смарта, найм на основе производительности Лу Адлера и контроль предвзятости Дэниела Канемана. Используйте при подготовке к собеседованиям, создании структурированных руководств для собеседований или разработке вопросов для проверки компетенций кандидатов.

машинный переводПоказать оригиналСкрыть оригинал«Analyze resumes and design interview strategies using evidence-based m…»

Analyze resumes and design interview strategies using evidence-based methodology. Transforms interview prep from "read resume → ask questions" into "define standard → forensic evidence → future simulation". Combines Geoff Smart's Topgrading, Lou Adler's performance-based hiring, and Daniel Kahneman's bias control. Use when preparing for interviews, creating structured interview guides, or designing questions to validate candidate competencies.

ClawHub Agent Skills автор: mikonos v1.0.0 5 файлов тело ≈ 824 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализируйте резюме и разрабатывайте стратегии собеседований, используя методологию, основанную на фактических данных.

Как процесс B 68/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторЛюди и наймИнфраструктураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 5. 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 68/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 824 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)
    • +4Нет примеров входа/выхода
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 447 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a markdown-only interview planning skill with behavior that matches its stated purpose and no evidence of hidden execution, credential access, persistence, or data exfiltration.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.