SKILLEMALL.ai

AD pm-review

Инструмент для обзора страниц менеджером продукта, используемый для оценки качества продукта на веб-страницах или скриншотах дизайна. Условия срабатывания: пользователь просит оценить страницу, проанализировать скриншот, оценить дизайн, провести PM-обзор, продуктовый обзор, анализ интерфейса. Поддерживает два способа ввода: (1) Обзор по URL — оценка онлайн-страницы через URL (2) Обзор по скриншоту — оценка макета дизайна через файл изображения. Выводит профессиональный отчет по семи аспектам (стратегические цели/пользовательский опыт/контент функций/измерение данных/техническая производительность/рыночные конкуренты/итерационное управление). Поддерживает специализированный глубокий анализ: обзор цвета (шестиуровневая модель), обзор типографики, обзор взаимодействия, обзор доступности (шестиуровневая пирамида), обзор безопасности и соответствия требованиям (семиуровневая модель), обзор оптимизации производительности (семиуровневая модель).

машинный переводПоказать оригиналСкрыть оригинал«产品经理页面评审工具,用于评估网页或设计截图的产品质量。触发条件:用户要求评审页面、分析截图、评估设计、PM评审、产品评审、界面分析。支持两…»

产品经理页面评审工具,用于评估网页或设计截图的产品质量。触发条件:用户要求评审页面、分析截图、评估设计、PM评审、产品评审、界面分析。支持两种输入方式:(1) 网址评审 - 通过 URL 评审在线页面 (2) 截图评审 - 通过图片文件评审设计稿。输出七维度专业评审报告(战略目标/用户体验/功能内容/数据度量/技术性能/市场竞品/迭代运营)。支持专项深度审查:颜色审查(六层模型)、排版审查、交互审查、无障碍审查(六层金字塔)、安全合规审查(七层模型)、性能优化审查(七层模型)。

ClawHub Agent Skills автор: ZhenYangze v0.1.2 MIT-0 12 файлов тело ≈ 1 074 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент для обзора страниц менеджером продукта, используемый для оценки качества продукта на веб-страницах или скриншотах дизайна.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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: 12. 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 41/100

  • 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 (pm-review) не совпадает с папкой (pm-review-skill)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 69
  • 100Стоимость исполнения. Тело инструкции 1074 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 241 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 69 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (10 из 10)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a coherent product/page review skill, with the main caution that it may use external web or image tools when reviewing URLs and screenshots.
LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.