SKILLEMALL.ai

BD recruitment-agent

Агент по найму: управление процессом найма через opencli (Boss直聘) + lark-cli (飞书多维表格). Поддерживает: (1) просмотр последних/непрочитанных сообщений Boss直聘; (2) сохранение кандидатов в базе талантов (сначала поиск и сравнение, затем создание/обновление); (3) добавление записей о решениях по кандидатам (добавление в базу/назначение собеседования/отслеживание/отправка оффера/архивация); (4) обновление указанной информации о кандидате в базе талантов; (5) назначение собеседования (отправка приглашения, проверка активности, подтверждение времени, создание события в календаре Feishu). Активируется, когда пользователь говорит «проверить сообщения boss», «добавить XXX в базу талантов», «я заинтересован в XXX», «сделать запись о решении по XXX», «обновить информацию/поле XXX», «помоги назначить собеседование для XXX», «назначить собеседование для XXX».

машинный переводПоказать оригиналСкрыть оригинал«招聘Agent:通过 opencli(Boss直聘) + lark-cli(飞书多维表格) 管理招聘流程。支持:(1) 查看Boss直聘最近…»

招聘Agent:通过 opencli(Boss直聘) + lark-cli(飞书多维表格) 管理招聘流程。支持:(1) 查看Boss直聘最近/未读消息; (2) 将候选人存入人才库(先搜索比对,再新建/更新); (3) 添加人才决策记录(加入库/约面试/跟进/发Offer/归档); (4) 更新人才库中某候选人的指定信息; (5) 约面试(发邀约消息、心跳检测、确认时间、创建飞书日程)。当用户说「查boss消息」「把XXX存入人才库」「我对XXX感兴趣」「对XXX做个决策记录」「更新XXX的信息/字段」「帮我给XXX约个面试」「约一下XXX」时触发。

ClawHub Agent Skills автор: Bill Zhuang v1.3.0 MIT-0 9 файлов тело ≈ 356 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Агент по найму: управление процессом найма через opencli (Boss直聘) + lark-cli (飞书多维表格).

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИнфраструктураИИ и агентыЛюди и наймтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Шаги. Шагов: 2
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 356 токенов
  • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 278 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
This recruiting automation skill appears purpose-aligned, but it can monitor candidate messages, store sensitive hiring data, modify records, send outreach, and create calendar events without clearly bounded consent or confirmation controls.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.