SKILLEMALL.ai

AC value-chain-analysis

Используйте при анализе того, где концентрируется прибыль в отрасли или внутри фирмы, раскладывая виды деятельности компании на основные и вспомогательные функции для поиска конкурентных преимуществ. Активируется по запросам «value chain» (цепочка создания ценности), «margin analysis by activity» (анализ прибыли по видам деятельности), «where is the profit» (где прибыль), «which activities create value» (какие виды деятельности создают ценность), «价值链分析» (анализ цепочки создания ценности), «利润在哪个环节» (в каком звене прибыль), «哪个环节利润最高» (в каком звене самая высокая прибыль), «分析企业价值活动» (анализ видов деятельности, создающих ценность для предприятия).

машинный переводПоказать оригиналСкрыть оригинал«Use when analyzing where profit concentrates across an industry or wit…»

Use when analyzing where profit concentrates across an industry or within a firm, decomposing business activities into primary and support functions to find competitive advantage. Triggers on "value chain", "margin analysis by activity", "where is the profit", "which activities create value", "价值链分析", "利润在哪个环节", "哪个环节利润最高", "分析企业价值活动".

ClawHub Agent Skills автор: panlm v1.0.0 MIT-0 2 файла тело ≈ 1 506 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Используйте при анализе того, где концентрируется прибыль в отрасли или внутри фирмы, раскладывая виды деятельности компании на основные и вспомогательные…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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 57/100

    • 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: 5, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1506 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

    • +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
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a plain business-analysis skill for value chain strategy work and does not request code execution, account access, persistence, or data mutation.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.