SKILLEMALL.ai

AC counterfactual-thinking

Применяет контрфактическое мышление для исследования альтернативных историй «что, если» и понимания причинно-следственных связей. Используйте, когда пользователю необходимо проанализировать прошлые решения, понять, что на самом деле вызвало результат, извлечь уроки из ошибок без предвзятости задним числом или оценить, привели бы другие выборы к лучшим результатам.

машинный переводПоказать оригиналСкрыть оригинал«Apply counterfactual thinking to explore "what if" alternative histori…»

Apply counterfactual thinking to explore "what if" alternative histories and understand causation. Use when the user needs to analyze past decisions, understand what truly caused an outcome, learn from mistakes without hindsight bias, or evaluate whether different choices would have led to better results.

ClawHub Agent Skills автор: boluobobo v1.0.0 MIT-0 2 файла тело ≈ 1 532 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Применяет контрфактическое мышление для исследования альтернативных историй «что, если» и понимания причинно-следственных связей.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
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: 1, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 51
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1532 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 306 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 51 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only reasoning skill for counterfactual analysis, with broad activation wording but no code, data access, persistence, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.