SKILLEMALL.ai

AC hr-archsystem

Система проектирования HR-организационной структуры и системы должностных уровней. Сценарии срабатывания включают: (1) Проектирование организационной структуры — проектирование или корректировка структуры компании/отдела, разделение отделов, иерархии подчинения, потоков принятия решений; (2) Проектирование системы должностных уровней — создание серий должностных уровней, количества должностных уровней, карьерных путей, модели двойных путей; (3) Словарь компетенций — создание таблицы измерений компетенций и шкалы поведенческих уровней для серий должностей; (4) Оценка должностных уровней (оценка квалификации) — оценка должностного уровня конкретного человека с использованием словаря компетенций. Также обрабатывает: реструктуризацию и итерацию этих систем в эпоху ИИ.

машинный переводПоказать оригиналСкрыть оригинал«HR组织架构与职级体系设计系统。触发场景包括: (1)组织架构设计——设计或调整公司/部门架构、部门划分、汇报关系、决策流; (2)职级体系…»

HR组织架构与职级体系设计系统。触发场景包括: (1)组织架构设计——设计或调整公司/部门架构、部门划分、汇报关系、决策流; (2)职级体系设计——建立职级序列、职级数量、晋升通道、双通道模型; (3)胜任力模型词典——为岗位序列构建胜任力维度表、行为分级标尺; (4)职级评价(任职资格评定)——用胜任力词典评定具体人的职级。 同时处理:AI时代下这些系统的重构与迭代。

ClawHub Agent Skills автор: wuritu v1.0.0 MIT-0 6 файлов тело ≈ 447 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система проектирования HR-организационной структуры и системы должностных уровней.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 6. 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")

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: 24
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 447 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 186 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a documentation-only HR design skill, but real employee evaluation data should be handled carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.