SKILLEMALL.ai

AD client-background-check

客户背景调查助手(销售/BD 视角)。当用户给出一个客户单位主体(公司/政府/学校/医院等),想在拜访、投标、商务接触前摸清客户底细时,必须使用此SKILL:客户背景调查、客户画像、采购习惯分析(它过去招过什么标、买过什么)、预算水平评估(历史采购金额量级)、现有供应商格局(在位者是谁、合作多深)、采购活跃度分析、大项目盘点、公开风险检索。基于全网招投标数据输出报告:采购史是真实发生的招标记录、供应商关系是真实合同关系。支持单客户深度报告与双单位对比。即使用户没有提到「背调」,只要想在接触客户前了解它的采购习惯与供应商现状,都应使用本SKILL。注意边界:若用户给出一个具体的招标项目做该不该投的决策分析,使用 zlbx-bid-decision SKILL;若用户想主动挖掘商机/销售线索,使用 zlbx-opportunity-radar SKILL;若用户只是搜索/查询招中标公告数据,使用 zlbx-bidding SKILL。

ClawHub Agent Skills автор: zhiliaobiaoxun v1.0.4 MIT-0 7 файлов тело ≈ 1 987 токенов открыть источник ↗ проанализирован 5 ч назад

客户背景调查助手(销售/BD…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

Lint

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение spec-missing нет spec.yaml: контракт поведения не задан (skilltest init создаст шаблон)
  • предупреждение triggers-missing в spec.yaml нет triggers.positive: срабатывание скилла не тестируется
  • предупреждение evals-missing нет evals/evals.json: поведение не тестируется (skilltest init создаст шаблон)
  • заметка body-refs-not-included в скилле 4 справочных файлов (rules/ references/ docs/), которые одноходовый прогон не видит: добавьте run.include_files: [auto] или флаг --include-files auto

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1987 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 421 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This skill has a coherent company-research purpose, but it needs Review because it stores account credentials, collects a device-derived identifier for signup, and puts access-bearing links into shareable HTML reports.
LLM: suspicious (high) · 8 сент. 2026 г.