SKILLEMALL.ai

AC naming-and-domains

Придумайте название для бизнеса, продукта или услуги и получите соответствующий домен. Используйте при мозговом штурме названий, оценке качества названий, проверке доступности доменов, выборе между вариантами названий или планировании доменной стратегии. Охватывает фреймворки для нейминга, критерии качества названий, основы товарных знаков, доменные расширения и полный процесс от названия до домена. Триггеры: «помоги придумать название для бизнеса», «идеи для названия», «найди домен», «название бизнеса», «название продукта», «доменное имя», «как это назвать», «стратегия нейминга», «проверить доступность домена».

машинный переводПоказать оригиналСкрыть оригинал«Name a business, product, or service and secure a matching domain. Use…»

Name a business, product, or service and secure a matching domain. Use when brainstorming names, evaluating name quality, checking domain availability, choosing between name candidates, or planning a domain strategy. Covers naming frameworks, name-quality criteria, trademark basics, domain extensions, and the full name-to-domain pipeline. Trigger on "help me name my business", "name ideas", "find a domain", "business name", "product name", "domain name", "what should I call it", "naming strategy", "check domain availability".

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 1 914 токенов Открыть источникgithub.com проанализирован 3 дн назад

Придумайте название для бизнеса, продукта или услуги и получите соответствующий домен.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
63/100
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 63/100

    • 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
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 45
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1914 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 9 примера фраз-триггеров в кавычках
    • +3Длина description 531 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 45 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.