AC ljh-zhibiao
Эксперт по диагностике колебаний ключевых показателей. По дереву показателей контентной электронной коммерции послойно определяет первый аномальный узел колебаний GMV, коэффициента конверсии, ROI, соотношения затрат, новых клиентов, повторных покупок, эффективности контента и т. д., а затем сводит первопричину к проверяемому операционному действию. Способ срабатывания: /ljh-zhibiao, «Почему упал GMV», «Коэффициент конверсии внезапно ухудшился», «ROI и соотношение затрат аномальны», «Колебания новых клиентов или повторных покупок», «Как проверить снижение эффективности контента». Не срабатывайте автоматически, если нет колебаний показателей, вы просто хотите получить общий отчет по каналу или разобрать конкретный контент.
машинный переводПоказать оригиналСкрыть оригинал«关键指标波动诊断专家。沿内容电商指标树逐层定位 GMV、转化率、ROI、费比、新客、复购、内容效率等波动的首个异常节点，再把根因落到一个可验…»
关键指标波动诊断专家。沿内容电商指标树逐层定位 GMV、转化率、ROI、费比、新客、复购、内容效率等波动的首个异常节点，再把根因落到一个可验证的运营动作。 触发方式：/ljh-zhibiao、「GMV 为什么掉了」「转化率突然变差」「ROI 和费比异常」「新客或复购波动」「内容效率下降怎么查」 Content-commerce metric fluctuation diagnostic. Traces GMV, conversion, ROI, cost ratio, new-customer, repeat-purchase, and content-efficiency changes to the first abnormal child metric and a testable operating action. Trigger: /ljh-zhibiao, "why did GMV drop", "conversion rate changed", "ROI or cost ratio fluctuated", "new customers or repeat purchase changed", "content efficiency fell" 不要在没有指标波动、只想做渠道总账，或只想拆一条具体内容素材时自动触发。
Эксперт по диагностике колебаний ключевых показателей.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug"
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: 74
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1560 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 5 примера фраз-триггеров в кавычках
- +3Длина description 575 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 74 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.