SKILLEMALL.ai

BD procurement-intent-monitor

Помощник по мониторингу закупочных намерений и выявлению ранних деловых возможностей. Обязательно используйте этот SKILL, когда пользователь хочет узнать о намерениях закупок, планах государственных закупок или выявить возможности предстоящих тендеров: запрос закупочных намерений (публичные планы закупок за 1-3 месяца до объявления тендера), фильтрация по отрасли/региону/бюджету, отслеживание прогресса от намерений до объявления тендера, ежедневный/еженедельный мониторинг изменений (утренний отчет о деловых возможностях), а также сопутствующее сканирование планируемых проектов и возможностей продления контрактов в последний момент. Предоставьте отрасль/регион, и будет выведен список деловых возможностей, отсортированный по стоимости. Даже если пользователь не упомянул «закупочные намерения», этот SKILL следует использовать, если речь идет о предстоящих тендерных проектах, заблаговременном контакте с закупщиками, возможностях скорого объявления тендера и т. д.

машинный переводПоказать оригиналСкрыть оригинал«采购意向监控与早期商机发现助手。当用户想查询采购意向、政府采购计划或挖掘即将招标的机会时,必须使用此SKILL:采购意向查询(发标前1-3个…»

采购意向监控与早期商机发现助手。当用户想查询采购意向、政府采购计划或挖掘即将招标的机会时,必须使用此SKILL:采购意向查询(发标前1-3个月的公开采购计划)、按行业/地区/预算筛选、意向到发标的进展跟踪、每日/每周增量监控(商机晨报)、以及配套的拟建项目与临期续约商机扫描。给一个行业/地区即输出按价值排序的商机清单。即使用户没有提到「采购意向」,只要涉及即将招标的项目、提前对接采购人、快发标的机会等需求,都应使用本SKILL。

ClawHub Agent Skills автор: zhiliaobiaoxun v1.0.6 MIT-0 7 файлов тело ≈ 1 748 токенов Открыть источникclawhub.ai проанализирован 26 ч назад

Помощник по мониторингу закупочных намерений и выявлению ранних деловых возможностей.

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
B
88/100
безопасность, качество, тесты
Безопасность 60%
97
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Утечка данных net-credential-use references/auto-register.md:215
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    **如果当前 api_key 来自 `$ZLBX_API_KEY`**:跳过 SID 流程,提示用户访问 `https://ai.zhiliaobiaoxun.com/?ch=s99` 手动登录充值。
    в кавычках
  • низкая Обфускация obf-base64-blob scripts/render_report.py:64
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/render_report.py:64
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках

Просканировано файлов: 7. 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 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: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1748 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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 216 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 35 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 procurement-search skill has a real use case, but it also collects a device fingerprint, stores credentials and reports locally, and exposes login-bypass links, so it needs review before installation.
LLM: suspicious (high) · 8 сент. 2026 г.