SKILLEMALL.ai

BD adverse-selection-prior

Производит байесовскую априорную вероятность того, что предложенная транзакция имеет положительную ожидаемую стоимость (+EV) для получателя, учитывая, что контрагент решил ее предложить. Применяет логику Акелофского «рынка лимонов» — если они это предложили, они считают, что это выгодно им, поэтому априорная вероятность того, что это выгодно нам, существенно ниже 50%. Повторно используется при оценке сделок, отказе от игроков (когда другая команда отказывается от игрока — это тоже неблагоприятный отбор), анализе предложений о работе, M&A и в любой ситуации «мне это предложили». Используйте, когда вы получаете непрошенную сделку/предложение, анализируете априорную вероятность входящей сделки, пытаетесь понять, почему контрагент предложил сделку, или когда пользователь упоминает неблагоприятный отбор, «рынок лимонов», «почему они это предложили», априорную вероятность входящей сделки, «они это предложили», байесовскую корректировку полученного предложения.

машинный переводПоказать оригиналСкрыть оригинал«Produces a Bayesian prior probability that an offered transaction is +…»

Produces a Bayesian prior probability that an offered transaction is +EV for the recipient, given that the counterparty chose to propose it. Applies Akerlof market-for-lemons logic -- if they offered it, they believe it is +EV for them, so the prior that it is +EV for us is materially below 50%. Reusable across trade evaluation, waiver drops (another team dropping a player is also adverse selection), job-offer analysis, M&A, and any "someone offered me this" situation. Use when you receive an unsolicited trade/offer/proposal, analyzing incoming trade prior, evaluating why a counterparty proposed a deal, or when user mentions adverse selection, market for lemons, why did they offer this, incoming trade prior, they proposed it, Bayesian adjustment on received offer.

lyndonkl/claude Agent Skills автор: lyndonkl 4 файла тело ≈ 4 359 токенов Открыть источникgithub.com↗ проанализирован 16 ч назад

Производит байесовскую априорную вероятность того, что предложенная транзакция имеет положительную ожидаемую стоимость (+EV) для получателя, учитывая, что…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИсследованияДанные и аналитикаЛюди и наймтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 4. 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 47/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4359 токенов
    • 100Шаги. Шагов: 104
    • 100Согласованность. Имя и обязательные поля на месте
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 774 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 104 пунктов
    • +4Есть примеры (3 блоков кода)

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