SKILLEMALL.ai
GitHub ↗ EN Войти

BD competitor-intel

Автоматизация анализа конкурентов. Введите название вашего продукта и конкурентов, чтобы получить полный анализ: сравнение функций, ценовую стратегию, сильные и слабые стороны, позиционирование на рынке, отзывы пользователей, возможности для дифференциации. Результат — действенные стратегические рекомендации и отчет о конкурентной позиции. Подходит для продакт-менеджеров, маркетологов и стартап-команд для анализа конкурентов.

машинный переводПоказать оригиналСкрыть оригинал«竞品情报自动化技能。输入你的产品和竞品名称，自动完成竞品全面分析： 功能对比、定价策略、优势劣势、市场定位、用户评价、差异化机会识别。 输出…»

竞品情报自动化技能。输入你的产品和竞品名称，自动完成竞品全面分析： 功能对比、定价策略、优势劣势、市场定位、用户评价、差异化机会识别。 输出可执行的战略建议和竞争定位报告。 适用于产品经理、市场营销、创业团队进行竞争分析。

ClawHub Agent Skills автор: sh2601393743-png v1.0.0 MIT-0 2 файла тело ≈ 741 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Автоматизация анализа конкурентов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИсследованиятип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 2. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "price"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 741 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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -223 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
The skill is a coherent competitive-intelligence workflow that uses public web research and report generation without hidden persistence or unrelated access.
LLM: benign (high) · VirusTotal: · 21 июл. 2026 г.