ผู้ตรวจสอบ Skill (PDCA-QMS)
ให้ระดับ Skill ตาม Six Sigma + อัปเดต PDCA
คำอธิบาย
ตรวจสอบ Skill ด้วยระบบการจัดการคุณภาพ (QMS) แทนที่จะเป็นเพียงรายการที่คิดขึ้นมาเอง อ้างอิงจาก Six Sigma CTQ/FMEA/DPMO × TQM × วงจร PDSA ของ Deming ผ่าน 4 ขั้นตอน Plan-Do-Check-Act ได้แก่: การ์ดคะแนนคุณภาพพร้อมระดับ Sigma, ตารางลำดับความสำคัญของข้อบกพร่องตาม RPN, การวิเคราะห์สาเหตุที่แท้จริงที่ลึกถึงระดับการออกแบบคำสั่ง, และเนื้อหาเต็มของ Skill ที่ได้รับการซ่อมแซมด้วยการป้องกันข้อผิดพลาด (Poka-Yoke) ผู้ซ่อมแซมและผู้ตรวจสอบจะถูกแยกออกจากกันอย่างเด็ดขาด คะแนนจะเพิ่มขึ้นเท่านั้นไม่ลดลง v2.0 เพิ่มเติม: ① ข้อตกลงเชิงปริมาณ – การนับหน่วยโครงสร้างแบบปิด (นับเฉพาะระดับเฟส), การล็อกคะแนนไล่ระดับค่า K ป้องกันการป้อนกลับ, การประมาณค่าแกน log จากการค้นตาราง Sigma, การป้องกันการหารด้วยศูนย์โดยเติมศูนย์รอไว้ทั้งหมด ทำให้คะแนนสามารถคำนวณซ้ำได้โดยไม่ผิดเพี้ยน; ② การควบคุมแบบสองแกนของระดับคุณภาพ × เส้นทางจัดการ – กำจัดความขัดแย้งของป้ายที่ว่า 'ไม่ผ่านแต่แนะนำให้เผยแพร่'; ③ โหมดวินิจฉัย – เมื่อพูดว่า 'ออกแค่รายงาน' หรือ 'อย่าเพิ่งแก้' จะวิ่งผ่าน P-D-C แล้วหยุดที่ Check โดยไม่แก้ไขร่างของคุณ; ④ ข้อตกลงการส่งออก – การพับคะแนนที่ผ่าน, จำกัดหลักฐานที่ 50 ตัวอักษร, จำกัดจำนวนตัวอักษรต่อเฟส, ตัวเลขต้องแสดงขั้นตอนการคำนวณ เมื่อใช้: ประเมินว่า Skill ใดดีหรือไม่, วินิจฉัยว่าทำไมผลผลิตไม่คงที่, ปรับปรุง Skill ที่มีอยู่อย่างเป็นระบบ, เปรียบเทียบหลาย Skill ในแนวนอน, ตรวจสอบคุณภาพก่อนเผยแพร่ของร่าง Skill, ต้องการเพียงรายงานวินิจฉัยโดยไม่ต้องการให้แก้ไขร่าง คำกระตุ้น: ตรวจสอบคุณภาพ Skill, คุณภาพ Skill, ตรวจสอบคุณภาพ, ให้คะแนน Skill, ปรับปรุง Skill ด้วย PDCA, ตรวจสุขภาพ Skill, ประเมิน Skill นี้, วิเคราะห์ข้อบกพร่องของ Skill, วินิจฉัยเท่านั้นไม่ซ่อม, ตรวจสอบคุณภาพก่อนเผยแพร่ Skill, เปรียบเทียบ Skill ในแนวนอน
ทักษะที่เกี่ยวข้อง
ดูทั้งหมด
Skillแนวบล็อกเข้ม×UXเป็นมิตร
คุณเคยเจอปัญหาเหล่านี้ไหม? ❌ Skill ที่เขียนเองดูเหมือนใช้ได้ แต่พอผู้ใช้ใช้งานจริงกลับมีข้อผิดพลาด ❌ Skill ทำงานปกติเมื่ออินพุตมาตรฐาน แต่พังเมื่อเจอกรณีขอบ ❌ ต้องการทำการแยกประเภทย่อย (เช่น แบ่งบทความเป็นเชิงปริมาณ/เชิงคุณภาพ) แต่ไม่รู้จะออกแบบกฎการบล็อกอย่างไร ❌ Skill ถามทุกขั้นตอน (ทำให้ผู้ใช้ล้า) หรือทำงานอัตโนมัติทั้งหมด (ไม่มีการยืนยันการกระทำเสี่ยงสูง) Skill นี้ช่วยคุณแก้ปัญหา: ✅ ล้มเหลวก่อน: ก่อนเขียนขั้นตอนการทำงาน ให้สร้างแบบจำลองว่า 'Skill นี้อาจล้มเหลวอย่างไร' ✅ การบล็อกเข้มงวด: หากข้อมูลขาดหายหรือมีเรื่องเสี่ยง ให้หยุดจริงและขอให้เพิ่มข้อมูล ไม่ใช่แค่ทำเครื่องหมายอ่อน ✅ การสนทนา 7 ระยะ: การระบุประเภท → เมทริกซ์ 7D → การสร้างแบบจำลองความล้มเหลว → การออกแบบกฎการบล็อก → การตรวจสอบตนเอง → การสร้าง ✅ การปรับปรุง UX: แท็บที่มีโครงสร้างลดภาระทางปัญญา + จุดยึดความคืบหน้า + ถ้อยคำการบล็อกเชิงบวก ✅ ความหนาแน่นของปฏิสัมพันธ์สอดคล้องกับความเสี่ยง: งานเสี่ยงสูงมีจุดยืนยัน งานชุดไม่รบกวนทุกขั้นตอน ผลลัพธ์ประกอบด้วย: - การระบุประเภท AFP (วิชาการ/การนำเสนอ/การสื่อสารด้านความปลอดภัย/การตรวจสอบข้อความ/การตรวจสอบ Skill/กำหนดเอง) - เมทริกซ์การแยกประเภทย่อย (ตัวเลือก, สำหรับอินพุตที่ต่างกัน) - กฎการบล็อก (BLOCK/TAG/GRADE สามระดับการกระทำ + การ์ดตัดสิน) - เส้นทางลดระดับ Manual_Fallback - สถานการณ์ทดสอบ (ปรับขนาดตามความซับซ้อน: มาตรฐาน/ขอบ/การบล็อก/ปฏิสัมพันธ์/ประเภทย่อย) - รายการตรวจสอบตนเอง (ความซื่อสัตย์ก่อน/ประเภทสอดคล้อง/การตั้งชื่อเป็นกลาง/ป้องกัน hard coding) หนึ่งคำ: มันไม่ใช่เครื่องมือสร้าง Skill แบบ 'สุ่มๆ' แต่เป็นที่ปรึกษาการออกแบบแนวเข้มงวดที่ช่วยคุณออกแบบ Skill ที่ 'ทำงานได้ มีกฎการบล็อก มีเส้นทางลดระดับ และมีประสบการณ์ปฏิสัมพันธ์ที่เป็นมิตร' เหมาะสำหรับคุณ หากคุณคือ: 🛠️ ผู้สร้างที่ต้องการเปลี่ยนงานที่ซ้ำซากสูงเป็น Skill ที่ใช้ซ้ำได้ 🎯 ผู้ใช้ระดับสูงที่ต้องการออกแบบ Skill ซับซ้อน (รวมถึงการแยกประเภทย่อย, การ์ดตัดสิน) ✅ ผู้ใช้ที่มีข้อกำหนดด้านคุณภาพ Skill สูง ไม่ยอมรับ Skill ที่ 'ทำงานได้แต่ไม่เสถียร' 📚 ผู้ใช้ YouMind ที่ต้องการเรียนรู้วิธีการออกแบบ Skill
ผู้ประเมิน Skill
ป้อน AI Skill ที่ต้องการประเมินได้ทุกรูปแบบ ไม่ว่าจะเป็น Skill ที่ติดตั้งแล้ว หน้าตลาดซื้อขายหรือข้อความใน SKILL.md หรือความต้องการที่บอกเล่าเป็นคำพูด ระบบยึดหลัก «ทดสอบจริง ไม่ตัดสินจากคำบรรยาย»: สร้างชุดกรณีทดสอบขั้นต่ำที่ปรับให้เหมาะสม ประกอบด้วยกรณีเชิงบวก 4 กรณี เชิงลบ 1 กรณี และคลุมเครือ 1 กรณี แล้วตรวจสอบทันที หากรันจริงได้จะรันทันที หากรันจริงไม่ได้ จะระบุ 【ประเมินแบบสแตติก】 ตลอดกระบวนการและลดน้ำหนักคะแนนพร้อมชี้แจง ผลลัพธ์เริ่มด้วยบทสรุปและสกอร์การ์ดแบบถ่วงน้ำหนัก 5 มิติ ได้แก่ ความน่าเชื่อถือของการทริกเกอร์ 30% / ประสิทธิผลในการทำงาน 25% / ประสิทธิภาพด้านต้นทุน 15% / ความทนทานและขอบเขต 15% / ความปลอดภัยและความน่าเชื่อถือ 15% คะแนนรวมจะใช้เกณฑ์ตัดสินดังนี้: ≥80 ให้เก็บไว้, 60–80 ปรับปรุงแบบเจาะจง, <60 ทำใหม่ พร้อมวิเคราะห์สาเหตุของจุดอ่อน (คำบรรยาย / ขั้นตอน / การตรวจสอบตนเองช่วงท้าย / ความยาว) และเสนอแนวทางปรับปรุงตามลำดับความสำคัญ ค่าเริ่มต้นคือการทดสอบแบบรวดเร็วพร้อมข้อสรุปหนึ่งหน้า หากพูดว่า「深评」ระบบจะยกระดับเป็นรายงานวินิจฉัยฉบับเต็ม โดยรันงานเดิม 3 ครั้งต่อเนื่องเพื่อเปรียบเทียบความเสถียร และตรวจสอบข้อมูลอ้างอิง ชื่อเสียงของผู้สร้าง และแหล่งที่มาทางออนไลน์ ผลลัพธ์จะถูกจัดเก็บอัตโนมัติในกลุ่ม「技能评测报告」 เหมาะสำหรับ: คัดกรอง Skill ก่อนติดตั้งจากตลาดซื้อขาย, ตรวจคุณภาพ Skill ที่สร้างเอง และทดสอบ Skill ที่ติดตั้งแล้วอีกครั้ง
SKILLS เวิร์กช็อปพัฒนาทักษะ
เจ็ดขั้นตอน หนึ่งวงจรปิด SkillForge เวิร์กช็อปเพื่อการพัฒนาทักษะนำวิธีการ sprint engineering gstack ที่ Garry Tan หัวหน้า YC เปิดเผยมา ปรับเปลี่ยนเป็นระบบจัดการวงจรชีวิตทั้งหมดของ Claude Code Skill โดยเฉพาะ ตั้งแต่คำถามหกข้อเพื่อตรวจสอบความต้องการที่แท้จริง ไปจนถึงการวางแผนสถาปัตยกรรม การหล่อหลอม SKILL.md การตรวจสอบคุณภาพ การทดสอบ eval การแพ็กเกจเพื่อเผยแพร่ และสุดท้ายการทบทวนและปรับปรุง——แต่ละขั้นตอนมีบทบาท AI เฉพาะ พร้อมคะแนนความเชื่อมั่นและกลไกป้องกันสแปม นอกจากนี้ยังมีขั้นตอนเพิ่มเติมคือการวินิจฉัยฉุกเฉินและการตรวจสอบความปลอดภัย ไม่พูดว่า 'ไอเดียดี' แต่ให้การตัดสินที่มีหลักฐาน ให้ทุก skill ผ่านการขัดเกลาจากเจ็ดขั้นตอน
ผู้ตรวจสอบ Skill (PDCA-QMS)
ให้ระดับ Skill ตาม Six Sigma + อัปเดต PDCA
คำอธิบาย
ตรวจสอบ Skill ด้วยระบบการจัดการคุณภาพ (QMS) แทนที่จะเป็นเพียงรายการที่คิดขึ้นมาเอง อ้างอิงจาก Six Sigma CTQ/FMEA/DPMO × TQM × วงจร PDSA ของ Deming ผ่าน 4 ขั้นตอน Plan-Do-Check-Act ได้แก่: การ์ดคะแนนคุณภาพพร้อมระดับ Sigma, ตารางลำดับความสำคัญของข้อบกพร่องตาม RPN, การวิเคราะห์สาเหตุที่แท้จริงที่ลึกถึงระดับการออกแบบคำสั่ง, และเนื้อหาเต็มของ Skill ที่ได้รับการซ่อมแซมด้วยการป้องกันข้อผิดพลาด (Poka-Yoke) ผู้ซ่อมแซมและผู้ตรวจสอบจะถูกแยกออกจากกันอย่างเด็ดขาด คะแนนจะเพิ่มขึ้นเท่านั้นไม่ลดลง v2.0 เพิ่มเติม: ① ข้อตกลงเชิงปริมาณ – การนับหน่วยโครงสร้างแบบปิด (นับเฉพาะระดับเฟส), การล็อกคะแนนไล่ระดับค่า K ป้องกันการป้อนกลับ, การประมาณค่าแกน log จากการค้นตาราง Sigma, การป้องกันการหารด้วยศูนย์โดยเติมศูนย์รอไว้ทั้งหมด ทำให้คะแนนสามารถคำนวณซ้ำได้โดยไม่ผิดเพี้ยน; ② การควบคุมแบบสองแกนของระดับคุณภาพ × เส้นทางจัดการ – กำจัดความขัดแย้งของป้ายที่ว่า 'ไม่ผ่านแต่แนะนำให้เผยแพร่'; ③ โหมดวินิจฉัย – เมื่อพูดว่า 'ออกแค่รายงาน' หรือ 'อย่าเพิ่งแก้' จะวิ่งผ่าน P-D-C แล้วหยุดที่ Check โดยไม่แก้ไขร่างของคุณ; ④ ข้อตกลงการส่งออก – การพับคะแนนที่ผ่าน, จำกัดหลักฐานที่ 50 ตัวอักษร, จำกัดจำนวนตัวอักษรต่อเฟส, ตัวเลขต้องแสดงขั้นตอนการคำนวณ เมื่อใช้: ประเมินว่า Skill ใดดีหรือไม่, วินิจฉัยว่าทำไมผลผลิตไม่คงที่, ปรับปรุง Skill ที่มีอยู่อย่างเป็นระบบ, เปรียบเทียบหลาย Skill ในแนวนอน, ตรวจสอบคุณภาพก่อนเผยแพร่ของร่าง Skill, ต้องการเพียงรายงานวินิจฉัยโดยไม่ต้องการให้แก้ไขร่าง คำกระตุ้น: ตรวจสอบคุณภาพ Skill, คุณภาพ Skill, ตรวจสอบคุณภาพ, ให้คะแนน Skill, ปรับปรุง Skill ด้วย PDCA, ตรวจสุขภาพ Skill, ประเมิน Skill นี้, วิเคราะห์ข้อบกพร่องของ Skill, วินิจฉัยเท่านั้นไม่ซ่อม, ตรวจสอบคุณภาพก่อนเผยแพร่ Skill, เปรียบเทียบ Skill ในแนวนอน
ทักษะที่เกี่ยวข้อง
ดูทั้งหมดSkillแนวบล็อกเข้ม×UXเป็นมิตร
คุณเคยเจอปัญหาเหล่านี้ไหม? ❌ Skill ที่เขียนเองดูเหมือนใช้ได้ แต่พอผู้ใช้ใช้งานจริงกลับมีข้อผิดพลาด ❌ Skill ทำงานปกติเมื่ออินพุตมาตรฐาน แต่พังเมื่อเจอกรณีขอบ ❌ ต้องการทำการแยกประเภทย่อย (เช่น แบ่งบทความเป็นเชิงปริมาณ/เชิงคุณภาพ) แต่ไม่รู้จะออกแบบกฎการบล็อกอย่างไร ❌ Skill ถามทุกขั้นตอน (ทำให้ผู้ใช้ล้า) หรือทำงานอัตโนมัติทั้งหมด (ไม่มีการยืนยันการกระทำเสี่ยงสูง) Skill นี้ช่วยคุณแก้ปัญหา: ✅ ล้มเหลวก่อน: ก่อนเขียนขั้นตอนการทำงาน ให้สร้างแบบจำลองว่า 'Skill นี้อาจล้มเหลวอย่างไร' ✅ การบล็อกเข้มงวด: หากข้อมูลขาดหายหรือมีเรื่องเสี่ยง ให้หยุดจริงและขอให้เพิ่มข้อมูล ไม่ใช่แค่ทำเครื่องหมายอ่อน ✅ การสนทนา 7 ระยะ: การระบุประเภท → เมทริกซ์ 7D → การสร้างแบบจำลองความล้มเหลว → การออกแบบกฎการบล็อก → การตรวจสอบตนเอง → การสร้าง ✅ การปรับปรุง UX: แท็บที่มีโครงสร้างลดภาระทางปัญญา + จุดยึดความคืบหน้า + ถ้อยคำการบล็อกเชิงบวก ✅ ความหนาแน่นของปฏิสัมพันธ์สอดคล้องกับความเสี่ยง: งานเสี่ยงสูงมีจุดยืนยัน งานชุดไม่รบกวนทุกขั้นตอน ผลลัพธ์ประกอบด้วย: - การระบุประเภท AFP (วิชาการ/การนำเสนอ/การสื่อสารด้านความปลอดภัย/การตรวจสอบข้อความ/การตรวจสอบ Skill/กำหนดเอง) - เมทริกซ์การแยกประเภทย่อย (ตัวเลือก, สำหรับอินพุตที่ต่างกัน) - กฎการบล็อก (BLOCK/TAG/GRADE สามระดับการกระทำ + การ์ดตัดสิน) - เส้นทางลดระดับ Manual_Fallback - สถานการณ์ทดสอบ (ปรับขนาดตามความซับซ้อน: มาตรฐาน/ขอบ/การบล็อก/ปฏิสัมพันธ์/ประเภทย่อย) - รายการตรวจสอบตนเอง (ความซื่อสัตย์ก่อน/ประเภทสอดคล้อง/การตั้งชื่อเป็นกลาง/ป้องกัน hard coding) หนึ่งคำ: มันไม่ใช่เครื่องมือสร้าง Skill แบบ 'สุ่มๆ' แต่เป็นที่ปรึกษาการออกแบบแนวเข้มงวดที่ช่วยคุณออกแบบ Skill ที่ 'ทำงานได้ มีกฎการบล็อก มีเส้นทางลดระดับ และมีประสบการณ์ปฏิสัมพันธ์ที่เป็นมิตร' เหมาะสำหรับคุณ หากคุณคือ: 🛠️ ผู้สร้างที่ต้องการเปลี่ยนงานที่ซ้ำซากสูงเป็น Skill ที่ใช้ซ้ำได้ 🎯 ผู้ใช้ระดับสูงที่ต้องการออกแบบ Skill ซับซ้อน (รวมถึงการแยกประเภทย่อย, การ์ดตัดสิน) ✅ ผู้ใช้ที่มีข้อกำหนดด้านคุณภาพ Skill สูง ไม่ยอมรับ Skill ที่ 'ทำงานได้แต่ไม่เสถียร' 📚 ผู้ใช้ YouMind ที่ต้องการเรียนรู้วิธีการออกแบบ Skill
ผู้ประเมิน Skill
ป้อน AI Skill ที่ต้องการประเมินได้ทุกรูปแบบ ไม่ว่าจะเป็น Skill ที่ติดตั้งแล้ว หน้าตลาดซื้อขายหรือข้อความใน SKILL.md หรือความต้องการที่บอกเล่าเป็นคำพูด ระบบยึดหลัก «ทดสอบจริง ไม่ตัดสินจากคำบรรยาย»: สร้างชุดกรณีทดสอบขั้นต่ำที่ปรับให้เหมาะสม ประกอบด้วยกรณีเชิงบวก 4 กรณี เชิงลบ 1 กรณี และคลุมเครือ 1 กรณี แล้วตรวจสอบทันที หากรันจริงได้จะรันทันที หากรันจริงไม่ได้ จะระบุ 【ประเมินแบบสแตติก】 ตลอดกระบวนการและลดน้ำหนักคะแนนพร้อมชี้แจง ผลลัพธ์เริ่มด้วยบทสรุปและสกอร์การ์ดแบบถ่วงน้ำหนัก 5 มิติ ได้แก่ ความน่าเชื่อถือของการทริกเกอร์ 30% / ประสิทธิผลในการทำงาน 25% / ประสิทธิภาพด้านต้นทุน 15% / ความทนทานและขอบเขต 15% / ความปลอดภัยและความน่าเชื่อถือ 15% คะแนนรวมจะใช้เกณฑ์ตัดสินดังนี้: ≥80 ให้เก็บไว้, 60–80 ปรับปรุงแบบเจาะจง, <60 ทำใหม่ พร้อมวิเคราะห์สาเหตุของจุดอ่อน (คำบรรยาย / ขั้นตอน / การตรวจสอบตนเองช่วงท้าย / ความยาว) และเสนอแนวทางปรับปรุงตามลำดับความสำคัญ ค่าเริ่มต้นคือการทดสอบแบบรวดเร็วพร้อมข้อสรุปหนึ่งหน้า หากพูดว่า「深评」ระบบจะยกระดับเป็นรายงานวินิจฉัยฉบับเต็ม โดยรันงานเดิม 3 ครั้งต่อเนื่องเพื่อเปรียบเทียบความเสถียร และตรวจสอบข้อมูลอ้างอิง ชื่อเสียงของผู้สร้าง และแหล่งที่มาทางออนไลน์ ผลลัพธ์จะถูกจัดเก็บอัตโนมัติในกลุ่ม「技能评测报告」 เหมาะสำหรับ: คัดกรอง Skill ก่อนติดตั้งจากตลาดซื้อขาย, ตรวจคุณภาพ Skill ที่สร้างเอง และทดสอบ Skill ที่ติดตั้งแล้วอีกครั้ง
SKILLS เวิร์กช็อปพัฒนาทักษะ
เจ็ดขั้นตอน หนึ่งวงจรปิด SkillForge เวิร์กช็อปเพื่อการพัฒนาทักษะนำวิธีการ sprint engineering gstack ที่ Garry Tan หัวหน้า YC เปิดเผยมา ปรับเปลี่ยนเป็นระบบจัดการวงจรชีวิตทั้งหมดของ Claude Code Skill โดยเฉพาะ ตั้งแต่คำถามหกข้อเพื่อตรวจสอบความต้องการที่แท้จริง ไปจนถึงการวางแผนสถาปัตยกรรม การหล่อหลอม SKILL.md การตรวจสอบคุณภาพ การทดสอบ eval การแพ็กเกจเพื่อเผยแพร่ และสุดท้ายการทบทวนและปรับปรุง——แต่ละขั้นตอนมีบทบาท AI เฉพาะ พร้อมคะแนนความเชื่อมั่นและกลไกป้องกันสแปม นอกจากนี้ยังมีขั้นตอนเพิ่มเติมคือการวินิจฉัยฉุกเฉินและการตรวจสอบความปลอดภัย ไม่พูดว่า 'ไอเดียดี' แต่ให้การตัดสินที่มีหลักฐาน ให้ทุก skill ผ่านการขัดเกลาจากเจ็ดขั้นตอน
ค้นหาทักษะโปรดถัดไปของคุณ
สำรวจทักษะ AI ที่คัดสรรเพิ่มเติมสำหรับการวิจัย การสร้างสรรค์ และงานประจำวัน