SKILLEMALL.ai

AC game-design-player-segment-perception-audit

Аудируйте игровую функцию, живое обновление, элемент дорожной карты, событие или контентный дроп с точки зрения того, как его воспримут различные сегменты игроков. Используйте, когда функция предназначена для одной когорты, но видна другим, когда сообщения об обновлениях могут вызвать энтузиазм у игроков, которые не могут эффективно получить доступ к функции, или когда вам нужно понять, как новые, средние и опытные игроки будут по-разному воспринимать одну и ту же функцию.

машинный переводПоказать оригиналСкрыть оригинал«Audit a game feature, live update, roadmap item, event, or content dro…»

Audit a game feature, live update, roadmap item, event, or content drop by how different player segments are likely to perceive it. Use when a feature is aimed at one cohort but visible to others, when update messaging may create excitement for players who cannot meaningfully access the feature, or when you need to understand how new, mid, and elder players will read the same feature differently.

ClawHub Agent Skills автор: Stanislav Stankovic v1.0.0 MIT-0 5 файлов тело ≈ 1 006 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Аудируйте игровую функцию, живое обновление, элемент дорожной карты, событие или контентный дроп с точки зрения того, как его воспримут различные сегменты…

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

АнализаторОперации и проектыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 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 59/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 53
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1006 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 399 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 53 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a text-only game-design audit skill with coherent instructions and no evidence of hidden execution, credential use, purchases, or data exfiltration.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.