SKILLEMALL.ai
GitHub ↗ EN Войти

CC conjoint-cleaning

Преобразует необработанный экспорт conjoint-исследования из Qualtrics в готовый для анализа набор данных в длинном формате. Охватывает настройки экспорта и строки метаданных, идентификацию реализации, изменение формата из широкого в длинный вручную или с помощью cjoint read.qualtrics и cjdata reshape_conjoint, выравнивание вариантов выбора по профилям, рейтинги и вторичные зависимые переменные, перевод атрибутов и порядок факторов, диагностику качества пилотных данных и слияние подгрупп. Используйте, когда пользователь имеет CSV-файл conjoint-исследования и спрашивает, как его очистить, изменить формат, реструктурировать или отладить, не может сопоставить варианты выбора с профилями или спрашивает, как должны выглядеть данные перед оценкой AMCE. Дизайн передается в conjoint-design, проверка достоверности — в conjoint-diagnostics.

машинный переводПоказать оригиналСкрыть оригинал«Turns a raw Qualtrics conjoint export into an analysis-ready long-form…»

Turns a raw Qualtrics conjoint export into an analysis-ready long-format dataset. Covers export settings and metadata rows, implementation identification, wide-to-long reshaping by hand or with cjoint read.qualtrics and cjdata reshape_conjoint, choice-profile alignment, ratings and secondary DVs, attribute translation and factor order, pilot quality diagnostics, and subgroup merges. Use when the user has a conjoint CSV and asks how to clean, reshape, restructure, or debug it, cannot align choices with profiles, or asks what data must look like before AMCE estimation. Design goes to conjoint-design, validity review to conjoint-diagnostics.

Не рекомендуетсяесть критические или высокие находки безопасности
scdenney/open-science-skills Claude Code автор: scdenney NOASSERTION 1 файл тело ≈ 4 598 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Преобразует необработанный экспорт conjoint-исследования из Qualtrics в готовый для анализа набор данных в длинном формате.

Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия

АнализаторДанные и аналитикаТексты и документыРазработкатип 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
C
84/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
55
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Сокрытие от пользователя
Если установить

Скилл просит агента что-то скрывать от вас: не показывать ошибки, не упоминать действия, отвечать иначе, чем было сделано. Вы теряете возможность контролировать, что агент реально сделал.

Автору

Прозрачность важнее гладкого ответа. Если хочется спрятать технический шум, попросите агента «кратко сообщить», а не «не сообщать».

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 1

  • высокая Сокрытие от пользователя en-hide-from-user SKILL.md:62
    Инструкция скрыть действия от пользователя
    # silently run exactly one task instead of erroring.

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • заметка edit-residue в тексте есть пометки об устаревшем (строки 10, 34, 191): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 64/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 4598 токенов
  • 85Шаги. Шагов: 36, расплывчатых формулировок: 2
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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 646 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (4 блоков кода)

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