SKILLEMALL.ai
GitHub ↗ EN Войти

BC user-feedback-aggregation

Сбор и синтез обратной связи от пользователей из различных каналов (обращения в службу поддержки, NPS, отзывы в приложении, звонки отдела продаж, упоминания в социальных сетях, клиентские советы) в непрерывный сигнал, который информирует о решениях по продукту. Дисциплина триажа, которая отличает "самый громкий голос" (побеждает тот, кто больше всех жалуется) от "усредненного шума" (все сигналы взвешиваются одинаково) от "триажированного синтеза" (сигналы взвешиваются по качеству источника, частоте и релевантности для принятия решений). Активируется по запросам: обратная связь от пользователей, агрегация обратной связи от клиентов, NPS, анализ обращений в поддержку, клиентские советы, синтез обратной связи, голос клиента, триаж обратной связи, отзывы в приложении. Также активируется, когда каналы обратной связи переполнены объемом, который не приводит к принятию решений, когда проблема "самого громкого голоса" влияет на дорожную карту, или когда непрерывные потоки обратной связи требуют дисциплины синтеза.

машинный переводПоказать оригиналСкрыть оригинал«Collecting and synthesizing user feedback across channels (support tic…»

Collecting and synthesizing user feedback across channels (support tickets, NPS, in-app feedback, sales calls, social mentions, customer councils) into a continuous signal that informs product decisions. The triage discipline that distinguishes loudest-voice (whoever complains most wins) from averaged-noise (every signal weighted equally) from triaged-synthesis (signal weighted by source quality, frequency, and decision relevance). Triggers on user feedback, customer feedback aggregation, NPS, support ticket analysis, customer councils, feedback synthesis, voice of customer, feedback triage, in-app feedback. Also triggers when feedback channels overflow with volume that does not produce decisions, when the loudest-voice problem is steering roadmap, or when continuous feedback streams need synthesis discipline.

rampstackco/claude-skills Agent Skills автор: rampstackco 11 файлов тело ≈ 4 917 токенов Открыть источникgithub.com↗ проанализирован 8 ч назад

Сбор и синтез обратной связи от пользователей из различных каналов (обращения в службу поддержки, NPS, отзывы в приложении, звонки отдела продаж, упоминания в…

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

АнализаторПоддержка клиентовОперации и проектытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
61/100
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

Такой же скилл встречается ещё в 2 местах: claude-skills, 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: 11. 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 61/100

    • 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
    • 70Стоимость исполнения. Тело инструкции 4917 токенов
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 88
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

    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 821: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 88 пунктов
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.