AC heatmap-analyze
Навык сквозного анализа тепловых карт Ptengine. Получает реальные данные тепловых карт через ptengine-cli и проводит поведенческий анализ CRO с помощью ИИ, используя 4-этапную психологическую модель. Автономный — включает всю методологию анализа, правила преобразования данных и схемы вывода. Используйте этот навык, когда пользователь хочет: проанализировать данные тепловой карты веб-страницы, понять поведение пользователей на странице, сравнить сегменты аудитории, проверить результаты A/B-тестирования, оценить эффективность рекламных каналов, проанализировать характеристики аудитории, найти барьеры или возможности для конверсии или оптимизировать целевую страницу. Активируйте при любом запросе: «анализ тепловой карты», «анализ тепловой карты», «поведение на странице», «анализ этого URL/страницы», «как ведут себя пользователи», «сравнить сегменты», «результаты A/B-тестирования», «эффективность рекламы», «анализ аудитории», «ptengine», «анализ на уровне блоков», «оптимизация конверсии», «коэффициент выхода», «время на странице», «отток пользователей», «анализ целевой страницы» или любом запросе, связанном с аналитикой страниц в сочетании с поведенческими инсайтами.
машинный переводПоказать оригиналСкрыть оригинал«Ptengine Heatmap end-to-end analysis skill. Fetches real heatmap data…»
Ptengine Heatmap end-to-end analysis skill. Fetches real heatmap data via ptengine-cli and runs AI-powered CRO behavior analysis using a 4-stage psychology model. Self-contained — includes all analysis methodology, data transformation rules, and output schemas. Use this skill when the user wants to: analyze a webpage's heatmap data, understand user behavior on a page, compare audience segments, validate A/B test results, evaluate ad channel performance, analyze audience characteristics, find conversion barriers or opportunities, or optimize a landing page. Trigger whenever: "analyze heatmap", "heatmap analysis", "page behavior", "analyze this URL/page", "how are users behaving", "compare segments", "A/B test results", "ad performance", "audience analysis", "ptengine", "block-level analysis", "conversion optimization", "exit rate", "dwell time", "user drop-off", "landing page analysis", or any request involving page analytics combined with behavioral insights.
Навык сквозного анализа тепловых карт Ptengine.
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, повторный запуск
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.
Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.
Как улучшить
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Опасные команды
cmd-pipe-to-shell-known-hostreferences/ptengine-cli.md:9Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)curl -sSL https://raw.githubusercontent.com/Kocoro-lab/ptengine-cli/v0.1.0/scripts/install.sh | sh
Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 60/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (heatmap-analyze) не совпадает с папкой (pte-heatmap-analyze)
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 26, расплывчатых формулировок: 1
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Стоимость исполнения. Тело инструкции 2495 токенов
- low Разделов верхнего уровня: 11. 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 973: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 16 примера фраз-триггеров в кавычках
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (11 из 11)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.