SKILLEMALL.ai

BD industry-research

Фреймворк исследования отрасли и навыки написания отчетов. Сценарии активации: (1) Пользователь запрашивает анализ отрасли/рынка/сектора и написание отчета об исследовании отрасли, глубокого анализа, краткого обзора, сравнительного анализа, (2) Исследование конкурентной среды компании, бизнес-модели, цепочки поставок, (3) Проведение межстранового/межрыночного сравнения, (4) Оценка рисков и тенденций в отрасли, (5) Требуется разработка плана экспертного интервью или оценка источников информации. Основные методологии: пятимерный фреймворк анализа + трехэтапный метод исследования + гипотезно-ориентированный подход + количественные якоря + глобальное сопоставление.

машинный переводПоказать оригиналСкрыть оригинал«行业研究分析框架与报告撰写技能。覆盖触发场景:(1) 用户要求分析某行业/赛道/市场,撰写行业研究报告、深度分析、快评、对标分析, (2)…»

行业研究分析框架与报告撰写技能。覆盖触发场景:(1) 用户要求分析某行业/赛道/市场,撰写行业研究报告、深度分析、快评、对标分析, (2) 研究公司竞争格局、商业模式、产业链,(3) 进行跨国/跨市场对比,(4) 评估行业风险与趋势, (5) 需要专家访谈提纲设计或信息来源评级。方法论核心:五维度分析框架 + 三步研究法 + 假设驱动 + 定量锚点 + 全球对标。

ClawHub Agent Skills автор: xk445138381 v1.0.0 MIT-0 5 файлов тело ≈ 630 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Фреймворк исследования отрасли и навыки написания отчетов.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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: 5. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (industry-research) не совпадает с папкой (industry-research-framework)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 30
  • 100Стоимость исполнения. Тело инструкции 630 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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 183 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a text-only industry research and report-writing framework with no code, install hooks, credential access, persistence, or hidden behavior found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.