SKILLEMALL.ai
GitHub ↗ EN Войти

BD product-research

Глубокое исследование программных продуктов с выдачей структурированных отчетов для поддержки собеседований по продукту, анализа конкурентов, исследования отрасли или коммерческой проверки. Используется, когда пользователь запрашивает глубокое исследование, анализ конкретного продукта, подготовку к собеседованию на должность продакт-менеджера, сравнение конкурентов или разработку продуктовой стратегии.

машинный переводПоказать оригиналСкрыть оригинал«对软件产品进行深度研究，输出支持产品面试、竞品分析、行业研究或商业尽调的结构化报告。用于用户要求深度研究、分析某个产品、准备产品岗位面试、比…»

对软件产品进行深度研究，输出支持产品面试、竞品分析、行业研究或商业尽调的结构化报告。用于用户要求深度研究、分析某个产品、准备产品岗位面试、比较竞品或梳理产品战略时。

ClawHub Agent Skills автор: Yang Rongkun v0.1.0 MIT-0 3 файла тело ≈ 356 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Глубокое исследование программных продуктов с выдачей структурированных отчетов для поддержки собеседований по продукту, анализа конкурентов, исследования…

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

Процедуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 3. 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 (product-research) не совпадает с папкой (product-research-2)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 356 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)
  • +3Длина description 82: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (1 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a product-research helper that uses disclosed web research and optional report files without hidden installation, persistence, or credential behavior.
LLM: benign (high) · VirusTotal: · 3 авг. 2026 г.