SKILLEMALL.ai

AC ai-startup-evaluator

Оценивает, стоит ли присоединяться к стартапу на ранней стадии в качестве технического специалиста. Этот навык следует использовать, когда пользователь рассматривает возможность присоединения к команде стартапа, получил предложение или приглашение от ИИ-стартапа, хочет оценить состояние и перспективы стартапа или задает вопросы типа «стоит ли мне присоединяться к этому стартапу», «стоит ли присоединяться к этой команде», «как оценить предложение стартапа» или «тревожные сигналы в ИИ-стартапах». Основано на личном опыте, отраженном в подробном обзоре предпринимательства.

машинный переводПоказать оригиналСкрыть оригинал«Evaluate whether an early-stage AI startup is worth joining as a techn…»

Evaluate whether an early-stage AI startup is worth joining as a technical contributor. This skill should be used when the user is considering joining a startup team, has received an offer or invitation from an AI startup, wants to assess a startup's health and prospects, or asks questions like 'should I join this startup', 'is this team worth joining', 'how to evaluate a startup offer', or 'red flags in AI startups'. Based on firsthand experience reflected in a detailed entrepreneurship review.

ClawHub Agent Skills автор: Along v1.0.0 MIT-0 2 файла тело ≈ 1 325 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Оценивает, стоит ли присоединяться к стартапу на ранней стадии в качестве технического специалиста.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторПродажи и CRMРазработкатип 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
C
52/100
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

    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: 2. 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 52/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (ai-startup-evaluator) не совпадает с папкой (ai-startup-ceo-evaluator)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 33
    • 100Стоимость исполнения. Тело инструкции 1325 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

    • +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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 500 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 33 пунктов
    • +4Есть примеры (1 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This is a plain-text advisory skill for evaluating AI startup offers, with no code, persistence, credentials, or hidden data access, though one heuristic relies on questionable educational-pedigree assumptions.
    LLM: benign (high) · VirusTotal: · 12 июл. 2026 г.