SKILLEMALL.ai

BF Financial Office Automation Assistant

Система автоматизации финансовых офисов на базе ИИ — охватывает обработку документов, протоколы совещаний, составление электронных писем, обобщение отчетов и автоматизацию рабочих процессов. Создана для повышения ежедневной производительности финансовых специалистов. Ключевые слова: автоматизация офиса, обработка документов, автоматизация рабочих процессов, инструменты повышения производительности, 办公自动化, 文档处理, 工作流自动化, 效率工具, 会议纪要, 邮件起草, 报告撰写, 智能助手, RPA, 流程机器人.

машинный переводПоказать оригиналСкрыть оригинал«AI-powered financial office automation — covers document processing, m…»

AI-powered financial office automation — covers document processing, meeting minutes, email drafting, report summarization, and workflow automation. Built for financial professionals' daily productivity. Keywords: office automation, document processing, workflow automation, productivity tools, 办公自动化, 文档处理, 工作流自动化, 效率工具, 会议纪要, 邮件起草, 报告撰写, 智能助手, RPA, 流程机器人.

ClawHub Agent Skills автор: lingfeng-19 v3.0.1 MIT-0 2 файла тело ≈ 500 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Система автоматизации финансовых офисов на базе ИИ — охватывает обработку документов, протоколы совещаний, составление электронных писем, обобщение отчетов и…

Как процесс F 34/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

ГенераторДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 3, column 14: description: AI-powered financial office automation — covers document processin… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"

Процессный рейтинг: все десять параметров 34/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 40Согласованность. Имя во frontmatter (Financial Office Automation Assistant) не совпадает с папкой (finance-office-automation)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Стоимость исполнения. Тело инструкции 500 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 357 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: clean
This is a simple financial-office productivity skill with broad activation keywords but no evidence of hidden code, credential use, persistence, or data exfiltration.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.