SKILLEMALL.ai
GitHub ↗ EN Войти

BC competitive-landscape-zhcn

Анализ конкурентной среды в технологической сфере, включая стратификацию игроков, дифференциацию технологических путей и выявление пробелов. Используется, когда пользователь запрашивает построение карты игроков, анализ конкурентов в отрасли, сравнение игроков по технологическим путям, сравнение отечественных и зарубежных игроков или оценку конкуренции между несколькими игроками в определенной технологической области.

машинный переводПоказать оригиналСкрыть оригинал«技术领域竞争格局分析，包含玩家分层、技术路线差异化与空白机会识别。当用户请求玩家图谱绘制、行业竞争对手分析、技术路线玩家对比、国内外玩家对比…»

技术领域竞争格局分析，包含玩家分层、技术路线差异化与空白机会识别。当用户请求玩家图谱绘制、行业竞争对手分析、技术路线玩家对比、国内外玩家对比，或在特定技术领域内开展多玩家竞争评估时使用。

ClawHub Claude Code автор: yuanzhian-patsnap v1.0.1 MIT-0 18 файлов тело ≈ 1 595 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Анализ конкурентной среды в технологической сфере, включая стратификацию игроков, дифференциацию технологических путей и выявление пробелов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыДанные и аналитикатип 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
C
53/100
Есть пробелы
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: 18. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"
  • заметка frontmatter-key неизвестное поле фронтматтера "provider"
  • заметка frontmatter-key неизвестное поле фронтматтера "deliverable-default"
  • заметка frontmatter-key неизвестное поле фронтматтера "fallback-policy"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 130
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1595 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)
  • +3Длина description 93: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 130 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

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

Внешние проверки

ClawHub: clean
This is a documentation-only research skill for producing competitive landscape reports, with expected local output files and public/source-based research steps.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.