SKILLEMALL.ai

AB knowledge-gap-map

Определите, чего вы не знаете по теме — включая пробелы, которые вы не видите — чтобы ваше обучение было направлено на эти дыры, а не на повторное изучение того, что вы уже знаете. Используйте, когда вас просят «чего я не знаю о X», «найди мои пробелы в знаниях», «что мне следует изучить дальше в», или «составь карту моего понимания». Создает картину территории темы, то, что вы уже знаете против пробелов, опасные неизвестные неизвестные (вещи, которые вы не знаете, что упускаете), какие пробелы наиболее важны для вашей цели, и приоритетный список для дальнейшего изучения — чтобы усилия были направлены туда, где они имеют значение.

машинный переводПоказать оригиналСкрыть оригинал«Map what you don't know about a subject — including the gaps you can't…»

Map what you don't know about a subject — including the gaps you can't see — so your learning targets the holes instead of re-covering what you already know. Use when asked what don't I know about X, find my knowledge gaps, what should I learn next in, or map my understanding of. Produces a picture of the subject's territory, what you already know vs the gaps, the dangerous unknown-unknowns (things you don't know you're missing), which gaps matter most for your goal, and a prioritized learn-next list — so effort goes where it counts.

mohitagw15856/pm-claude-skills Agent Skills автор: mohitagw15856 MIT 1 файл тело ≈ 834 токенов Открыть источникgithub.com проанализирован 27 ч назад

Определите, чего вы не знаете по теме — включая пробелы, которые вы не видите — чтобы ваше обучение было направлено на эти дыры, а не на повторное изучение…

Как процесс B 70/100 · Почти готов — слабые места: когда включается, ошибки и развилки, отчётность по ходу

Генератортип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 2 местах: pm-claude-skills, pm-claude-skills

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 70/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 29
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 834 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 539 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.