SKILLEMALL.ai

AC sustoiclab-five-dimensions

Инструментарий пятимерного анализа мышления · Su's StoicLab. Используется, когда пользователю требуется всесторонний анализ сложного события, ситуации, социального явления, исторической проблемы или жизненного решения. Взгляд снаружи внутрь: история (время), выгода (интересы), политика (власть), война (противостояние), философия (суть) — пятимерное продвижение; при затруднении в любом измерении используется пятиуровневый метод анализа (информация/логика/система/человеческая природа/смысл) для углубленного исследования. Основная ценность: увидеть полную картину без упущений, разобрать проблему без застревания. Триггерные слова: проанализируй это событие, как посмотреть, какая ситуация, глубинные причины, увидеть насквозь, полная картина, пятимерный, история-выгода-политика-война-философия.

машинный переводПоказать оригиналСкрыть оригинал«五维思维分析工具箱 · Su's StoicLab。当用户需要全面分析一个复杂事件、局势、社会现象、历史问题或人生决策时使用。从外向内看:史…»

五维思维分析工具箱 · Su's StoicLab。当用户需要全面分析一个复杂事件、局势、社会现象、历史问题或人生决策时使用。从外向内看:史(时间)、经(利益)、政(权力)、军(对抗)、哲(本质)五维递进;任一维度卡住时嵌套五层分析法(信息/逻辑/系统/人性/意义)深入钻探。核心价值:看清全局不遗漏、拆透问题不卡壳。触发词:分析这件事、怎么看待、什么情况、深层原因、看透、全局、五维、史经政军哲。

ClawHub Agent Skills автор: 苏庶 v0.1.0 MIT-0 3 файла тело ≈ 659 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструментарий пятимерного анализа мышления · Su's StoicLab.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  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: 3. 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 "agent_created"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 659 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 199 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a disclosed conversational framework for structured analysis, with no code execution, data access, persistence, or hidden behavior.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.