SKILLEMALL.ai

AC market-research

Проводит структурированные маркетинговые исследования для соло-предпринимательского бизнеса. Используйте при оценке размера рынка, понимании динамики отрасли, широком картировании конкурентной среды, выявлении тенденций или построении клиентских персон на основе внешних данных. Охватывает оценку TAM/SAM/SOM, бесплатные источники данных, анализ тенденций и построение персон. Триггеры: «исследовать этот рынок», «насколько велик этот рынок», «понять отрасль», «рыночные тенденции», «кто игроки в этом пространстве», «анализ рынка».

машинный переводПоказать оригиналСкрыть оригинал«Conduct structured market research for a solopreneur business. Use whe…»

Conduct structured market research for a solopreneur business. Use when sizing a market, understanding industry dynamics, mapping the competitive landscape broadly, identifying trends, or building customer personas from external data. Covers TAM/SAM/SOM estimation, free data sources, trend analysis, and persona construction. Trigger on "research this market", "how big is this market", "understand the industry", "market trends", "who are the players in this space", "market analysis".

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 1 663 токенов Открыть источникgithub.com проанализирован 2 дн назад

Проводит структурированные маркетинговые исследования для соло-предпринимательского бизнеса.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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 52/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (market-research) не совпадает с папкой (market-research-2)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 38
    • 100Стоимость исполнения. Тело инструкции 1663 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

    • +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
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 487 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.