Eellugu (käivitub oskuse alguses)

# Version check (silent if up to date)
python3 telemetry/version_check.py 2>/dev/null || true

# Telemetry opt-in (first run only, then remembers your choice)
python3 telemetry/telemetry_init.py 2>/dev/null || true

Privaatsus: See oskus logitakse kohalikult kausta ~/.ai-marketing-skills/analytics/. Kaugtelemeetria on ainult nõusolekul. Koodi, failiteid ega repo sisu ei koguta kunagi. Vt telemetry/README.md.

Ekspertpaneel

Üldotstarbeline skoorimise ja iteratiivse parandamise mootor. Paneb automaatselt kokku õiged eksperdid selle jaoks, mida hinnatakse, skoorib selle ja kordab, kuni 90+.

1. samm: Vastuvõtt — Mõista, mida skooritakse

Kogu või järelda kontekstist:

1. Sisu/artefakt — Asi(d), mida skoorida (kleebi, failitee või URL)
2. Sisutüüp — Tekst, järjestus, maandumisleht, strateegia, pealkiri, diagramm, kandidaadi hinnang jne
3. Pakkumise kontekst — Mida müüakse/reklaamitakse? Kellele? Milline domeen/tööstus?
4. Variandid — Kas on mitu versiooni võrdlemiseks? (A/B/C)
5. Allikaoskus — Kas see on teise oskuse väljund? (nt cold-outbound-optimizer) Kui jah, märgi allikas tagasiside-allikale marsruutimiseks 6. sammus.

Kui kontekst on vestlusest ilmne, ära küsi — lihtsalt jätka.

2. samm: Pane ekspertpaneel automaatselt kokku

Ehita 7–10 eksperdi paneel, mis on kohandatud sisutüübile ja domeenile.

Kokkupanemise reeglid

1. Alusta sisutüübi ekspertidega. Loe experts/ kataloogi eelvalmistatud paneelide jaoks, mis sobivad sisutüübiga. Kui täpne vaste eksisteerib (nt experts/linkedin.md LinkedIni postituse jaoks), kasuta seda baasina.

2. Lisa domeeni/pakkumise eksperdid. Pakkumise konteksti põhjal lisa 1–3 eksperti, kes mõistavad konkreetset tööstust või domeeni. Näited: - Pagariäri turunduse skoorimine → lisa Food & Beverage Marketing Expert - SaaS maandumislehe skoorimine → lisa SaaS Conversion Expert - Värbamise outreach’i skoorimine → lisa Agency Recruiter + Talent Market Expert - Meditsiiniseadme teksti skoorimine → lisa Healthcare Compliance Expert

3. Kaasa alati need kaks: - AI Writing Detector — Vt experts/humanizer.md. Kaal: 1.5x. Mitteläbiräägitav. - Brand Voice Match — Kontrollib vastavust seadistatud brändihäälega ja tuntud tagasilükkamismustritega failist references/patterns.md (kui olemas).

4. Kontrolli õpitud mustreid. Kui references/patterns.md eksisteerib, loe see. Kui mõned mustrid kehtivad sellele sisutüübile, briefeeri paneeli neist. Vähenda punkte tuntud halbade mustrite eest.

5. Piiri 10 eksperdiga. Kui sul on rohkem kui 10, ühenda kattuvad rollid.

Paneeli väljundi vorming

Loetle iga ekspert: Nimi, lääts/fookus, mida nad kontrollivad.

3. samm: Vali skoorimisrubriik

Vali sobiv rubriik kataloogist scoring-rubrics/:

Loe valitud rubriigifaili üksikasjalike kriteeriumide ja punktijaotuse jaoks.

4. samm: Skoori — rekursiivne silmus kuni 90+

Siht: 90/100 üle kõigi ekspertide. Mitteläbiräägitav. Max 3 vooru.

Iga voor toodab:

## Round [N] — Score: [AVG]/100

| Expert | Score | Key Feedback |
|--------|-------|--------------|
| [Name] | [0-100] | [One-line rationale] |
| ... | ... | ... |

**Aggregate:** [weighted average — humanizer at 1.5x]
**Top 3 weaknesses:** [ranked]
**Changes made:** [specific edits addressing each weakness]

Seejärel muudetud sisu/artefakt.

Reeglid

• Skoorid peavad olema julmalt ausad. Ära täida 90-ni.
• Humanizer’i skoor kaalutud 1.5x koondis.
• Kui koond < 90: tuvasta top 3 nõrkust → muuda → järgmine voor.
• Kui koond ≥ 90: lõpeta ja jätka väljundini.
• Pärast 3 vooru, kui ikka < 90: tagasta parim versioon ausa skoori + märkusega, mis seda tagasi hoiab.
• Näita KÕIKI voorusid väljundis — iteratsioonijälg on osa väärtusest.

Variantide võrdlusrežiim

Kui skoorid mitut varianti (A/B/C): - Skoori iga variant sõltumatult läbi täispaneeli. - Pärast skoorimist järjesta variandid koondskoori järgi. - Kui tippvariant on < 90, itereeri parimal (ära itereeri kõiki).

5. samm: Väljundi vorming

Võitja + skoor (alati üleval)

## 🏆 Result: [SCORE]/100 — [PASS ✅ | NEEDS WORK ⚠️]

[Final content/artifact here]

**Iterations:** [N] rounds
**Panel:** [Expert names, comma-separated]

Kui variandid: näita võitjat kõigepealt, seejärel järgmiste skoorid.

## 🏆 Winner: Variant [X] — [SCORE]/100

[Winning content]

### Runner-up scores
- Variant A: 87/100
- Variant B: 82/100
- Variant C: 91/100 ← Winner

Tagasiside ajalugu (tulemuse all)

Näita täielikke skoorimisvoorusid.

---
<details>
<summary>📊 Scoring History (N rounds)</summary>

[All round tables from Step 4]

</details>

6. samm: Tagasiside allikale (kui skoorid teise oskuse väljundit)

Kui skooritud sisu tuli teisest oskusest, genereeri Allika parandamise lähteülesanne:

## 🔁 Feedback for [Source Skill]

### What scored low
- [Pattern]: [Specific example from this content]

### Suggested skill improvements
- [Concrete change to the source skill's process/rubric/prompt]

### Patterns to add to source skill
- [Any recurring weakness that should become a rule]

Seda lähteülesannet saab kasutada allikaoskuse SKILL.md või rubriikide uuendamiseks.

7. samm: Mälu — Õpi heakskiitudest ja tagasilükkamistest

Pärast seda, kui kasutaja kiidab paneeli väljundi heaks või lükkab tagasi:

Heakskiidul (skoor ≥ 90, kasutaja aktsepteerib)

Märgi, mis töötas. Tegevust pole vaja, kui uus positiivne muster ei teki.

Tagasilükkamisel (kasutaja tühistab paneeli või lükkab 90+ sisu tagasi)

1. Küsi miks (või järelda kontekstist).
2. Lisa uus muster faili references/patterns.md selles vormingus:

## [Pattern Name]
- **Type:** rejection | preference | override
- **Content types:** [which types this applies to]
- **Rule:** [What to always/never do]
- **Example:** [The specific instance that triggered this]
- **Date:** [YYYY-MM-DD]
- **Point dock:** [-N points when detected]

3. Kinnita: „Lisatud muster: [üherealine kokkuvõte]. Paneel vähendab edaspidi [N] punkti selle eest.“

Mustrite jõustamine

Iga skoorimisvooru ajal kontrolli references/patterns.md sisu vastu. Rakenda punktivähendused enne ekspertide skoorimise algust. See tähendab, et tuntud halbu mustreid karistatakse isegi siis, kui üksikud eksperdid need maha magavad.

Viitefailid