SKILLEMALL.ai

AC requirement-analyzer

Анализирует, дополняет и структурирует исходные входные данные о требованиях к продукту, выдавая документ с анализом требований, готовый к рассмотрению или этапу PRD. Применяется, когда менеджер продукта, бизнес-заказчик или инициатор требований предоставляет нечеткие входные данные, такие как описание фона, болевые точки, протоколы совещаний, устные идеи и т. д., и требуется быстро получить структурированный результат анализа, включающий «логику функций продукта», «критерии приемки» и «масштаб требований». Следует активно вызывать, когда пользователь говорит «помоги мне проанализировать это требование», «обоснованно ли это требование», «помоги мне разобраться в логике функций», «каков примерный масштаб этого требования», «помоги мне составить критерии приемки». Даже если пользователь явно не говорит «анализ требований», следует вызывать его, если входные данные содержат бизнес-контекст, описание болевых точек или идеи функций.

машинный переводПоказать оригиналСкрыть оригинал«对原始产品需求输入进行分析、补充和结构化,输出可直接用于评审或进入 PRD 阶段的需求分析文档。适用于产品经理、业务方或需求发起人提供背景描…»

对原始产品需求输入进行分析、补充和结构化,输出可直接用于评审或进入 PRD 阶段的需求分析文档。适用于产品经理、业务方或需求发起人提供背景描述、痛点、会议纪要、口头想法等模糊输入时,需要快速得到包含"产品功能逻辑"、"验收指标"和"需求规模"的结构化分析结果。当用户说"帮我分析一下这个需求"、"这个需求合理吗"、"帮我梳理功能逻辑"、"这个需求大概多大"、"帮我整理一下验收标准"时,应主动触发此 skill。即使用户没有明确说"需求分析",只要输入包含业务背景、痛点描述或功能想法,也应触发。

ClawHub Agent Skills автор: Pixelyes v1.0.2 MIT-0 2 файла тело ≈ 840 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализирует, дополняет и структурирует исходные входные данные о требованиях к продукту, выдавая документ с анализом требований, готовый к рассмотрению или…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 2. 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 61/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 840 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

  • +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
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 248 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill is an instruction-only requirements-analysis helper with broad activation wording but no code execution, credential access, persistence, or hidden data movement.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.