SKILLEMALL.ai

AB qsr-labor-leak-auditor

Оперативная поддержка принятия решений для операторов ресторанов и франшиз с мобильно-оптимизированным выводом, начинающимся с резюме. Все возможности V3 — отображаемые события, управление состоянием, отслеживание целей, планирование восстановления, перспективное планирование, сравнения с учетом событий — плюс форматирование с приоритетом исполнительного резюме, скрытая по умолчанию математика, стандартизированная структура вывода и краткая обработка исправлений. Разработано для быстрого использования операторами на смене. Создано генеральным директором франшизы с 16-летним опытом работы в сфере быстрого обслуживания.

машинный переводПоказать оригиналСкрыть оригинал«Real-time labor decision support for restaurant and franchise operator…»

Real-time labor decision support for restaurant and franchise operators with summary-first mobile-optimized output. All V3 capabilities — surfaced events, state control, goal tracking, recovery planning, forward planning, event-aware comparisons — plus executive-summary-first formatting, math hidden by default, standardized output structure, and concise correction handling. Designed for fast mobile operator use on the shift floor. Built by a franchise GM with 16 years in QSR operations.

ClawHub Agent Skills автор: McPherson AI v3.1.3 MIT-0 4 файла тело ≈ 6 298 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Оперативная поддержка принятия решений для операторов ресторанов и франшиз с мобильно-оптимизированным выводом, начинающимся с резюме.

Как процесс B 73/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

АнализаторТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6298 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 73/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 6298 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 97
  • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 25. 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)
  • -228 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 491 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 54 заголовков
  • +3Пошаговые инструкции: 97 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This skill is a disclosed restaurant labor-tracking assistant that stores and exports only operator-scoped business records through a companion memory engine.
LLM: benign (high) · VirusTotal: · 17 авг. 2026 г.