SKILLEMALL.ai

AC complaint-handler

Обработчик жалоб и послепродажного обслуживания для цифровых сотрудников. Классифицирует жалобы, генерирует эмпатичные ответы, направляет эскалации и управляет запросами на возврат/обмен/возмещение в соответствии с настроенной политикой. Используйте, когда клиент выражает недовольство, сообщает о проблеме с продуктом, запрашивает возврат или обмен, или подает жалобу. Триггеры: 投诉, 质量问题, 退款, 换货, 坏了, 破损, 不满意, 差评, хочу вернуть, товар сломан, запросить возврат, плохое качество, жалоба, это неприемлемо, я хочу поговорить с менеджером.

машинный переводПоказать оригиналСкрыть оригинал«Retail complaint and after-sales handler for digital employees. Classi…»

Retail complaint and after-sales handler for digital employees. Classifies complaints, generates empathetic responses, routes escalations, and manages return/exchange/refund requests according to configured policy. Use when a customer expresses dissatisfaction, reports a product issue, requests a refund or exchange, or makes a complaint. Triggers on: 投诉, 质量问题, 退款, 换货, 坏了, 破损, 不满意, 差评, want to return, product broken, request refund, poor quality, complaint, this is unacceptable, I want to speak to a manager.

ClawHub Agent Skills автор: fangwei-frank v1.0.0 MIT-0 4 файла тело ≈ 733 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Обработчик жалоб и послепродажного обслуживания для цифровых сотрудников.

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

ГенераторПоддержка клиентовТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 25, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 733 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 512 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This appears to be a complaint-handling guidance skill with language and routing limitations, but no evidence of hidden access, credential use, persistence, or destructive behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.