SKILLEMALL.ai
GitHub ↗ EN Войти

BD brand-proverb-generator

Генератор бренд-словиганов по методологии ХуаЮаХуа. Введите название бренда и материалы о бренде, автоматически выполните трехэтапный процесс «определение стратегии → комбинирование риторики → оценка и ранжирование», выведите 49 бренд-словиганов (7 стратегий × 7 риторик) и ранжируйте топ-10 по убыванию оценки в процентах.

машинный переводПоказать оригиналСкрыть оригинал«华与华方法论品牌谚语生成器。 输入品牌名与品牌资料，自动执行「定策略 → 组合修辞 → 打分排序」三步流程， 输出 7 策略 × 7 修辞…»

华与华方法论品牌谚语生成器。 输入品牌名与品牌资料，自动执行「定策略 → 组合修辞 → 打分排序」三步流程， 输出 7 策略 × 7 修辞 = 49 条品牌谚语，并按百分制评分由高到低排列 Top 10。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 963 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Генератор бренд-словиганов по методологии ХуаЮаХуа.

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

ГенераторМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 2. 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 (brand-proverb-generator) не совпадает с папкой (brand-slogan)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 21
  • 100Стоимость исполнения. Тело инструкции 963 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)
  • +3Длина description 102: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (6 блоков кода)
  • +1Лицензия указана

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