SKILLEMALL.ai

BC update-audience-notes

Добавляет один структурированный блок наблюдений YAML в substacker shared-context/audience-notes.md, ЕСЛИ неделя дала хотя бы одно наблюдение с уверенностью ≥ средняя. Включает подтверждающие доказательства (идентификаторы постов + номера) и флаг reviewed_by_curator. Никогда не перезаписывает и не удаляет предыдущие записи. Дисциплина добавления защищает общий контекст последующих агентов. Используйте в конце каждого еженедельного конвейера после write-weekly-report. Ключевые слова триггера — заметки аудитории, добавить наблюдение, инсайт аудитории, с оценкой уверенности.

машинный переводПоказать оригиналСкрыть оригинал«Appends one structured YAML observation block to substacker shared-con…»

Appends one structured YAML observation block to substacker shared-context/audience-notes.md iff the week produced at least one observation with confidence ≥ medium. Includes supporting evidence (post slugs + numbers) and reviewed_by_curator flag. Never rewrites or deletes prior entries. Append-only discipline protects downstream agents' shared context. Use at the end of each weekly pipeline after write-weekly-report. Trigger keywords — audience notes, append observation, audience insight, confidence-rated.

lyndonkl/claude Agent Skills автор: lyndonkl 1 файл тело ≈ 561 токенов Открыть источникgithub.com↗ проанализирован 16 ч назад

Добавляет один структурированный блок наблюдений YAML в substacker shared-context/audience-notes.md, ЕСЛИ неделя дала хотя бы одно наблюдение с уверенностью ≥…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМаркетингтип 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
C
51/100
Есть пробелы
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

    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: 1. 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 51/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 561 токенов
    • 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 512 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +4Есть примеры (3 блоков кода)

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