SKILLEMALL.ai

AC game-design-social-satisfaction-matrix

Оценка социальных функций и многопользовательских элементов игры по их потенциалу создавать социальное удовлетворение или неудовлетворенность. Используйте при аудите чата, голосовой связи, систем друзей, подарков, лобби, социальных хабов, гильдий, инструментов отчетности, кооперативных механик, профилей или других социальных элементов; при сравнении того, какие функции являются базовыми, критическими, усиливающими или второстепенными; или при принятии решений о том, где снизить социальный риск, повысить социальную вовлеченность и приоритизировать улучшения для многопользовательских или ориентированных на сообщество систем.

машинный переводПоказать оригиналСкрыть оригинал«Evaluate a game's social features and multiplayer elements by their po…»

Evaluate a game's social features and multiplayer elements by their potential to create social satisfaction versus social dissatisfaction. Use when auditing chat, voice, friend systems, gifting, lobbies, social hubs, guilds, reporting tools, cooperative mechanics, profile surfaces, or other social elements; when comparing which features are basic, critical, booster, or secondary; or when deciding where to reduce social risk, increase social stickiness, and prioritize improvements to multiplayer or community-facing systems.

ClawHub Agent Skills автор: Stanislav Stankovic v1.0.0 MIT-0 2 файла тело ≈ 1 840 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оценка социальных функций и многопользовательских элементов игры по их потенциалу создавать социальное удовлетворение или неудовлетворенность.

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

АнализаторИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
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: 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 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: 12, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 116
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1840 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 528 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 116 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is a guidance-only game design review skill with no code, install actions, credential use, or hidden data access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.