SKILLEMALL.ai

AD industry-analysis

Генератор глубоких отраслевых аналитических отчетов. Активируется, когда пользователь упоминает отраслевой анализ, отраслевой отчет, анализ рынка, анализ конкурентной среды, исследование отрасли, industry analysis, market research, анализ отрасли XX, как дела в отрасли XX, стоит ли входить в отрасль XX. Также подходит, когда пользователь хочет узнать объем рынка отрасли, конкурентную ситуацию, тенденции развития, бизнес-модель, инвестиционные возможности или любой сценарий, связанный с «анализом отрасли с использованием структурированной схемы».

машинный переводПоказать оригиналСкрыть оригинал«行业深度分析报告生成器。 当用户提到行业分析、行业报告、市场分析、竞争格局分析、行业调研、industry analysis、 market…»

行业深度分析报告生成器。 当用户提到行业分析、行业报告、市场分析、竞争格局分析、行业调研、industry analysis、 market research、分析XX行业、XX行业怎么样、XX行业值得进入吗时触发。 也适用于用户想了解某行业的市场规模、竞争态势、发展趋势、商业模式、投资机会, 或任何涉及"用结构化框架分析一个行业"的场景。

ClawHub Agent Skills автор: yangmanqi2104201431-ship-it v1.0.0 MIT-0 5 файлов тело ≈ 611 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор глубоких отраслевых аналитических отчетов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикаРазработкатип 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
D
46/100
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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 39
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 611 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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 171 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)

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

Внешние проверки

ClawHub: clean
This appears to be a normal industry research report generator that uses web searches and creates report files, with no hidden credential access, persistence, or destructive behavior found.
LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.