AD management-dashboard
Навык управления приборной панелью: на основе AI-саммаризации записей генерирует HTML-отчеты для ежедневных отчетов руководителей. Получает ai_summary_content записей через постраничный интерфейс, использует LLM для анализа и генерации визуализированного отчета, включающего шесть разделов: активы команды, эффективность полевой работы, мониторинг соответствия, рейтинг RM, конверсия лидов, управленческие рекомендации. ОБЯЗАТЕЛЬНО разрешает agentId через session_status (sessionKey=current) перед вызовом API. ОБЯЗАТЕЛЬНО запускает main.py как единственную точку входа; пустые содержимое также генерирует HTML-отчет. Используйте для системной приборной панели, управленческой приборной панели, генерации ежедневных отчетов, отчетов руководителей, анализа команды.
машинный переводПоказать оригиналСкрыть оригинал«管理驾驶舱技能：基于录音 AI 总结内容，生成管理者日报 HTML 报表。 通过分页接口获取录音的 ai_summary_content，使…»
管理驾驶舱技能：基于录音 AI 总结内容，生成管理者日报 HTML 报表。 通过分页接口获取录音的 ai_summary_content，使用 LLM 分析生成包含团队资产、外勤效能、 合规监控、RM 排行、线索转化、管理建议六大板块的可视化报表。 MUST resolve agentId via session_status (sessionKey=current) before APIs. MUST run main.py as the only entry point; empty contents still generates HTML report. Use for 系统驾驶舱、管理驾驶舱、日报生成、管理者报表、团队分析。
Навык управления приборной панелью: на основе AI-саммаризации записей генерирует HTML-отчеты для ежедневных отчетов руководителей.
Как процесс D 41/100 · Процесс не доведён — 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: 13. 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 41/100
- 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
- 40Согласованность. Имя во frontmatter (management-dashboard) не совпадает с папкой (management-dashboard-skill)
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 48
- 100Стоимость исполнения. Тело инструкции 3428 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 11. 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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +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
- +3Длина description 321 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 48 пунктов
- +4Есть примеры (15 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.