Token导航 LogoToken导航

Agent Skill · 前端设计

win-loss-dataset（输赢数据集）

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围，避免把样本数据当全量事实；涉及敏感数据、导出文件或批量写回时，应先确认权限和脱敏边界。

win-loss-dataset 是前端设计类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为只读；许可证信息还不明确，第三方扫描已通过，按安装量在前端设计类的 10,216 个 Skill 里排第 4,977。

总安装 760周安装 32GitHub Stars 176下载 266核验 2026-05-01
前端设计只读GitHub 仓库未标认证来源可访问许可证需确认审计通过CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：win-loss-dataset（输赢数据集）
来源仓库：https://github.com/gtmagents/gtm-agents
仓库路径：skills/win-loss-dataset
安装命令：
npx skills add https://github.com/gtmagents/gtm-agents --skill win-loss-dataset
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills
npx skills add https://github.com/gtmagents/gtm-agents --skill win-loss-dataset

这个 Skill 是做什么的

前端设计类 Skill 关注页面结构、视觉规范和组件写法，输出通常是可运行的界面代码。

用于辅助数据整理、CSV/Excel 分析和指标计算。适合清洗字段、汇总数据或生成统计口径。需要确认数据来源、字段含义和时间范围，避免把样本当全量事实。

安装命令：npx skills add https://github.com/gtmagents/gtm-agents --skill win-loss-dataset 涉及敏感数据时应先确认脱敏边界和导出权限。

来源仓库内路径：skills/win-loss-dataset

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/gtmagents/gtm-agents --skill win-loss-dataset；命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读，先用只读任务试一次，确认行为符合预期再扩大使用范围。

常见问题

6 条

win-loss-dataset 怎么安装？

在终端执行 npx skills add https://github.com/gtmagents/gtm-agents --skill win-loss-dataset。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

win-loss-dataset 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

win-loss-dataset 需要什么权限？

权限级别是只读。该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

win-loss-dataset 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

win-loss-dataset 用的人多吗？

公开数据是累计安装 760 次，近一周安装 32 次，下载 266 次，GitHub 176 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

win-loss-dataset 安全吗？

第三方扫描结果为通过，但这只覆盖已知的静态检查项，不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具，换客户端不用重新找替代品。
  • 第三方扫描已通过，常见的高风险行为没有命中。
  • 标注为只读权限，试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注，能不能商用、能不能再分发都不确定。
  • 第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex，想直接扩展它能力的人。
  • 需要处理前端设计类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

前端设计类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
frontend-design

前端设计 · Codex、Claude

8,823,360126,072只读MIT通过
vercel-composition-patterns

Vercel 组合模式 · Codex、Claude

3,858,81625,893需要联网MIT通过
vercel-react-native-skills

Vercel React native skills 前端 · Codex、Claude

2,468,66425,878只读MIT通过
adapt

adapt 搜索 · Codex、Claude

2,027,04023,125操作浏览器未明确通过
bolder

bolder 分析 · Codex、Claude

2,004,28823,130只读未明确通过
win-loss-dataset

输赢数据集 · 本页

760176只读未明确通过

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

Win/Loss Dataset Skill

When to Use

  • Running structured win/loss programs.
  • Aligning qualitative interviews with CRM metrics.
  • Sharing insights across product, sales, pricing, and marketing teams.

Framework

  1. Data Model – deal metadata (segment, region, product, stage), outcome, competitor, primary driver, secondary driver, confidence.
  2. Qualitative Tags – categories for pricing, product gaps, implementation, support, brand, relationships.
  3. Quotes & Evidence – key quotes, call clips, doc references with consent + access controls.
  4. Analytics Layer – dashboards for driver frequency, trendlines, influence on win rate, revenue impact.
  5. Action Tracking – link insights to backlog items, status, owner, and due date.

Templates

  • Interview note template with pre-defined tags + drop-downs.
  • Dataset schema (CSV/Sheet/BI) with validated fields.
  • Dashboard layout for driver trends + revenue impact.

Tips

  • Keep raw qualitative notes but publish sanitized, anonymized snippets for broader sharing.
  • Standardize driver taxonomy every quarter to avoid drift.
  • Pair with run-win-loss-program command for automatic dataset updates.

平台分布

Codex

38.12%
按下载量换算101

Claude

30.99%
按下载量换算82

Cursor

18.93%
按下载量换算50

Gemini CLI

9.36%
按下载量换算25

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多前端设计 Skills（10,216）返回 Skills 目录

上一个 Skill

wiki-onboarding（维基入门）

linehaul-ai/linehaulai-claude-marketplace

wiki-onboarding 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

win31-audio-design（win31 音频设计）

erichowens/some_claude_skills

用于辅助界面设计、视觉规范、排版、配色、布局和交互体验优化。它适合让 Agent 根据产品场景整理页面结构、生成 UI 方案、检查视觉一致性或改进组件层级。使用时需要结合现有品牌、设计系统和用户任务，不应只堆装饰元素；涉及真实页面改动时，应通过截图或浏览器预览检查文本溢出、对齐和响应式表现。