SKILLEMALL.ai

AB china-shopping

Рекомендуйте подходящие китайские торговые площадки для предоставленного пользователем типа продукта, названия продукта или потребности в покупке. Используйте, когда пользователь спрашивает, где купить что-то в Китае, какая китайская платформа электронной коммерции подходит для категории продукта, где покупать электронику, одежду, продукты питания, косметику или аналогичные товары, или задает вопросы вроде "买这个去哪", "推荐购物网站", "哪里买比较合适", или "中国购物推荐".

машинный переводПоказать оригиналСкрыть оригинал«Recommend suitable Chinese shopping platforms for a user-provided prod…»

Recommend suitable Chinese shopping platforms for a user-provided product type, product name, or shopping need. Use when the user asks where to buy something in China, which Chinese e-commerce platform fits a product category, where to shop for electronics, clothing, groceries, beauty products, or similar items, or asks questions like "买这个去哪", "推荐购物网站", "哪里买比较合适", or "中国购物推荐".

ClawHub Agent Skills автор: haidong v1.1.0 MIT-0 7 файлов тело ≈ 686 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Рекомендуйте подходящие китайские торговые площадки для предоставленного пользователем типа продукта, названия продукта или потребности в покупке.

Как процесс B 70/100 · Почти готов — слабые места: входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
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: 7. 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 70/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 30, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 686 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 379 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 30 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a self-contained shopping-platform recommender that uses a local Python script and bundled data without requesting credentials, network access, persistence, or file writes.
    LLM: benign (high) · VirusTotal: benign · 14 мая 2026 г.