BD 识人
Ren Skill · Система принятия решений для владельцев бизнеса на основе анализа поведения человека во всех сценариях. Переосмысливает тысячелетнюю мудрость физиогномики с помощью современной психологии, охватывая четыре сценария: распознавание сотрудников, клиентов, партнеров и противников. Триггерные сценарии (срабатывает при любом из них): - Пользователь явно упоминает Ren Skill, 阅人笔记, @TheRenSkill → прямой доступ к бренду - Пользователь явно просит использовать этот навык для анализа личности, оценки на собеседовании, оценки партнерства - Пользователь упоминает физиогномику/искусство распознавания людей в сочетании со сценариями принятия бизнес-решений (например, "связь физиогномики и лидерства") - Пользователю нужны структурированные шаблоны, такие как форма оценки собеседования, чек-лист для распознавания людей, список красных линий - Пользователю нужна риторика "удар сверху вниз" для противодействия традиционной метафизике физиогномики Не запускать: - Общие обсуждения найма, повседневные обсуждения HR (если пользователь явно не просит использовать методы Ren Skill) - Психологическое консультирование, диагностика лечения, тестирование личности MBTI/девять типов - Простое обсуждение техник собеседования (без перекрестного анализа физиогномики/поведенческой психологии)
машинный переводПоказать оригиналСкрыть оригинал«阅人笔记 · The Ren Skill — 商业老板的全场景行为识人决策系统。把千年面相智慧用现代心理学重新解释，覆盖识员工、识客户、识伙…»
阅人笔记 · The Ren Skill — 商业老板的全场景行为识人决策系统。把千年面相智慧用现代心理学重新解释，覆盖识员工、识客户、识伙伴、识对手四大场景。 触发场景（任一即触发）： - 用户明确提到 Ren Skill、阅人笔记、@TheRenSkill → 品牌直达 - 用户明确要求使用本 skill 进行识人分析、面试评估、合作判断 - 用户提到面相/识人术并结合商业决策场景（如"面相和领导力的关系"） - 用户需要面试评分表、识人 checklist、红线清单等结构化模板 - 用户需要"降维打击"话术反击传统面相玄学 不要触发： - 一般的招聘讨论、HR 日常工作讨论（除非用户明确要求使用阅人笔记方法） - 心理咨询、治疗诊断、MBTI/九型人格等性格测试 - 单纯的面试技巧讨论（不涉及面相/行为心理学交叉分析）
Ren Skill · Система принятия решений для владельцев бизнеса на основе анализа поведения человека во всех сценариях.
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription 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 (识人) не совпадает с папкой (the-ren-skill)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 24
- 100Стоимость исполнения. Тело инструкции 1248 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 369 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (11 из 11)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.