SKILLEMALL.ai

AC diagnose-hardware-root-causes-rd

Диагностика недостатков производительности оборудования с помощью измеримого определения проблемы, моделей на основе первых принципов, декомпозиции на основе уравнений, охвата 5M1E, междисциплинарного обзора и ранжированных по доказательствам причинных деревьев. Используйте для анализа первопричин, причинных диаграмм, несоответствующих параметров, метода «5 почему», инженерных противоречий или устранения неполадок оборудования.

машинный переводПоказать оригиналСкрыть оригинал«Diagnose hardware performance shortfalls with measurable problem defin…»

Diagnose hardware performance shortfalls with measurable problem definition, first-principles models, equation-led decomposition, 5M1E coverage, multidisciplinary review and evidence-ranked causal trees. Use for root-cause analysis, causal diagrams, out-of-spec parameters, 5 Whys, engineering contradictions or hardware troubleshooting.

ClawHub Agent Skills автор: yuanzhian-patsnap v1.0.0 MIT-0 3 файла тело ≈ 3 375 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Диагностика недостатков производительности оборудования с помощью измеримого определения проблемы, моделей на основе первых принципов, декомпозиции на основе…

Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "copyright"

    Процессный рейтинг: все десять параметров 61/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 70
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3375 токенов
    • low Разделов верхнего уровня: 13. 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 70 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: clean
    This skill provides a disclosed hardware root-cause workflow and a local PNG exporter without hidden network, credential, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.