SKILLEMALL.ai

BC triple-major-compliance

ИИ-помощник по принятию решений «три важных вопроса» в области государственных закупок — на основе внутренних правил компании, загруженных пользователем, помогает определить, относится ли закупочная деятельность к «трем важным вопросам», проверяет соответствие процедуры принятия решений и генерирует внутренний справочный отчет о соответствии. Только помощь, не заменяет существенные права принятия решений партийной организации/совета директоров/руководства компании.

машинный переводПоказать оригиналСкрыть оригинал«国企采购领域的"三重一大"决策合规AI辅助——基于用户上传的企业内部制度,辅助判定采购事项是否属三重一大、校验决策程序合规性、生成内部参考合…»

国企采购领域的"三重一大"决策合规AI辅助——基于用户上传的企业内部制度,辅助判定采购事项是否属三重一大、校验决策程序合规性、生成内部参考合规报告。仅辅助,不替代企业党组织/董事会/经理层的实质决策权。

ClawHub Agent Skills автор: 一线评标专家 v1.0.0 MIT-0 13 файлов тело ≈ 3 298 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

ИИ-помощник по принятию решений «три важных вопроса» в области государственных закупок — на основе внутренних правил компании, загруженных пользователем…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 13. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "last_updated"
  • заметка frontmatter-key неизвестное поле фронтматтера "changelog"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 92
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3298 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 101: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -248 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 92 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill is a disclosed compliance-assistance skill that analyzes user-provided state-owned-enterprise procurement rules and does not include hidden execution, persistence, or data-exfiltration behavior.
LLM: benign (high) · VirusTotal: · 26 июл. 2026 г.