SKILLEMALL.ai

BC user-interview-synthesis

Синтезирует транскрипты интервью с пользователями в структурированные выводы исследования. Используйте, когда вас попросят проанализировать заметки интервью, синтезировать качественное исследование, выявить темы в интервью или преобразовать необработанные данные интервью в действенные выводы для продукта. Создает тематический синтез с цитатами поддержки по теме, выводами "и что это значит" и рекомендуемыми шагами. Для смешанных источников, помимо интервью (опросы, заявки, отзывы), используйте вместо этого user-research-synthesis.

машинный переводПоказать оригиналСкрыть оригинал«Sintetiza transcripciones de entrevistas con usuarios en hallazgos de…»

Sintetiza transcripciones de entrevistas con usuarios en hallazgos de investigación estructurados. Utiliza cuando se te pida analizar notas de entrevistas, sintetizar investigación cualitativa, identificar temas en entrevistas o convertir datos brutos de entrevistas en insights accionables para el producto. Produce una síntesis temática con citas de apoyo por tema, implicaciones 'y qué significa esto', y pasos recomendados. Para fuentes mixtas más allá de entrevistas (encuestas, tickets, feedback) utiliza user-research-synthesis en su lugar.

mohitagw15856/pm-claude-skills Agent Skills автор: mohitagw15856 MIT 1 файл тело ≈ 756 токенов Открыть источникgithub.com проанализирован 2 дн назад

Синтезирует транскрипты интервью с пользователями в структурированные выводы исследования.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ГенераторЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 1. 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 61/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 756 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 547 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 23 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.