SKILLEMALL.ai

AC zmm-concentration

Проверка концентрации доходов для владельцев бизнеса: сколько ваших денег зависит от одного клиента, одного канала или одного продукта — плюс месяцы работы, если уйдет самый крупный. Выдает список рисков и список запрещенных действий. Триггер: /zmm-concentration, «что, если мой самый крупный клиент уйдет», «слишком зависим от одного клиента», «здорова ли моя клиентская база» —— 📐 詹明明 · Не формулы, а критерии. Каждое правило отмечено реальной стоимостью.

машинный переводПоказать оригиналСкрыть оригинал«📐 詹明明·大客户会不会跑 ——客户与收入集中度体检。你的钱有多少是「一个人不高兴就没了」的:几个大客户占多少、一个渠道带来多少、一个产品…»

📐 詹明明·大客户会不会跑 ——客户与收入集中度体检。你的钱有多少是「一个人不高兴就没了」的:几个大客户占多少、一个渠道带来多少、一个产品撑了多少。算出「失去最大那个之后还能撑几个月」,给出风险清单和禁止动作清单。 触发方式:/zmm-concentration、/大客户风险、/集中度、「大客户会不会跑」「一个客户占太多」「渠道太单一」「客户结构健不健康」「他要是走了怎么办」 Revenue concentration checkup for owner-operators: how much of your money hangs on one customer, one channel, or one product — plus months of runway if the biggest one leaves. Outputs a risk list and a do-not-touch list. Trigger: /zmm-concentration, "what if my biggest client leaves", "too dependent on one customer", "is my customer mix healthy" —— 📐 詹明明 · 不给公式,给判据。每条规则都标了实测代价。

ClawHub Agent Skills автор: 詹明明 v0.2.4 MIT-0 3 файла тело ≈ 1 156 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Проверка концентрации доходов для владельцев бизнеса: сколько ваших денег зависит от одного клиента, одного канала или одного продукта — плюс месяцы работы…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

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

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

    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: 34
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1156 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

    • +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 3 примера фраз-триггеров в кавычках
    • +3Длина description 572 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    The skill fits its stated business-analysis purpose, but it broadly reads shared memory and stores sensitive customer-risk observations without clear limits or user controls.
    LLM: suspicious (medium) · 6 сент. 2026 г.