SKILLEMALL.ai
EN Войти

BD tender-bid-decision-analysis

Помощник по анализу решений о подаче заявок. Используйте этот SKILL, когда пользователь предоставляет конкретный тендер (ссылка на объявление/название проекта/тендерную документацию) и хочет провести анализ, связанный с принятием решения об участии: стоит ли подавать заявку, анализ перед подачей, прогнозирование конкурентов (кто будет участвовать), оценка вероятности выигрыша, справочная информация по ценам/рекомендуемая цена, анализ предпочтений заказчика (есть ли связи/признаки контроля тендера), оценка риска дисквалификации. На основе исторических данных о тендерах и выигранных контрактах со всей сети выдает структурированный отчет с выводами, а также HTML-версию для обмена. Даже если пользователь не упоминает «решение о подаче заявки», но запрашивает анализ, стоит ли участвовать в конкретном тендере, оценку участия в тендере, предварительное исследование, анализ конкуренции, справочную информацию по ценам и т.д., следует использовать этот SKILL.

машинный переводПоказать оригиналСкрыть оригинал«投标决策分析助手。当用户给出一个具体的招标项目（公告链接/项目标题/招标文件），并希望进行投标决策相关分析时，必须使用此SKILL：该不该投…»

投标决策分析助手。当用户给出一个具体的招标项目（公告链接/项目标题/招标文件），并希望进行投标决策相关分析时，必须使用此SKILL：该不该投/值不值得投、投标决策、标前分析、竞争对手预测（谁会来投标）、中标概率评估、报价参考/建议报价、采购方倾向分析（有没有关系户/控标信号）、废标风险评估。基于全网招中标历史数据输出带结论的结构化决策报告，另附可分享的HTML版。即使用户没有提到「投标决策」，只要涉及某个具体标该不该投、投标评估、标前调查、竞争分析、报价参考等需求，都应使用本SKILL。

ClawHub Agent Skills автор: liu-jiapeng v1.0.5 MIT-0 7 файлов тело ≈ 1 613 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Помощник по анализу решений о подаче заявок.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Утечка данных net-credential-use references/auto-register.md:215
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    **如果当前 api_key 来自 `$ZLBX_API_KEY`**：跳过 SID 流程，提示用户访问 `https://ai.zhiliaobiaoxun.com/?ch=s72` 手动登录充值。
    в кавычках
  • низкая Обфускация obf-base64-blob scripts/render_report.py:71
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/render_report.py:71
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1613 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 246 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This is a real bid-analysis skill, but it needs review because it collects a device fingerprint for trial registration, stores an API key locally, and exports shareable reports with signed access links and an HTML injection flaw.
LLM: suspicious (high) · 8 сент. 2026 г.