AC company-profiling
Точно и эффективно извлекайте и анализируйте информацию на основе огромных фармацевтических данных, чтобы предоставлять пользователям профессиональные профили компаний и рекомендации по инвестициям/сотрудничеству. Типичное поведение пользователя включает запрос информации о фармацевтической компании. Этот навык следует вызывать, когда вопросы пользователя касаются следующего содержания: 1. Обзор компании 2. Анализ истории финансирования компании 3. Анализ пайплайна компании 4. Анализ сделок с лекарствами компании 5. Важная патентная структура компании в определенной области. Типичные запросы - Дайте мне обзор Arrowhead Pharmaceuticals - Каков конвейер исследований и разработок BioNTech? - Проанализируйте патентную структуру Roche в области малых нуклеиновых кислот - Какие сделки BD заключила Pfizer за последние два года? - Расскажите об истории финансирования Moderna
машинный переводПоказать оригиналСкрыть оригинал«Accurately and efficiently extract and analyze intelligence based on m…»
Accurately and efficiently extract and analyze intelligence based on massive pharmaceutical data to provide users with professional company profiles and investment/collaboration recommendations. Typical user behavior involves inquiring about a pharmaceutical company's situation. This skill should be invoked when user questions involve the following content 1、Company overview 2、Company financing history analysis 3、Company pipeline analysis 4、Company drug transaction analysis 5、Company's important patent layout in a specific field Typical queries - Give me an overview of Arrowhead Pharmaceuticals - What is BioNTech's R&D pipeline? - Analyze Roche's patent layout in small nucleic acid technologies - What BD deals has Pfizer made in the last two years? - Tell me about Moderna's financing history
Точно и эффективно извлекайте и анализируйте информацию на основе огромных фармацевтических данных, чтобы предоставлять пользователям профессиональные профили…
Как процесс C 58/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- 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 58/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Шаги. Шагов: 39, расплывчатых формулировок: 11
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3416 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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)
- +3Длина description 802: рекомендуется 120–800 символов
- +2Инструкции на одном языке
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 39 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (6 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.