SKILLEMALL.ai
GitHub ↗ EN Войти

BC product-growth

Диагностирует рост продукта с использованием бизнес-данных и активно собранных отзывов клиентов, отделяет атрибуцию от причинно-следственных связей и преобразует результаты в измеримые действия. Используйте для анализа источников органического роста, отсутствующих каналов или метрик, проблем с активацией/удержанием/доходом, принятия экосистемы или аудита роста.

машинный переводПоказать оригиналСкрыть оригинал«Diagnoses product growth using business data and actively discovered c…»

Diagnoses product growth using business data and actively discovered customer feedback, separates attribution from causal effects, and turns findings into measurable actions. Use for organic growth sources, missing channels or metrics, activation/retention/revenue problems, ecosystem adoption, or a growth audit (增长来源、增长诊断、用户反馈、渠道归因、留存、增长优化).

daymade/claude-code-skills Agent Skills автор: daymade MIT 8 файлов тело ≈ 1 963 токенов Открыть источникgithub.com↗ проанализирован 11 дн назад

Диагностирует рост продукта с использованием бизнес-данных и активно собранных отзывов клиентов, отделяет атрибуцию от причинно-следственных связей и…

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 8. 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 64/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 13
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1963 токенов

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 343 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 13 пунктов
    • +4Справочные файлы упоминаются в инструкциях (7 из 7)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.