SKILLEMALL.ai
EN Войти

BD 供应商与站点风险评分

Оценка рисков поставщиков логистики Cainiao (перевозчиков) и франчайзи пунктов выдачи Cainiao, предоставление уровня риска, диагностики основных проблем и рекомендуемых мер. Основано на отраслевой системе KPI + официальных операционных правилах Cainiao + модели четырёхмерной оценки поставщиков. v1.7 Добавлено: подробная версия формулы количественного расчёта KPI, таблица сравнения отраслевых бенчмарков, границы прав на корректировку весов, унифицированное использование GLOSSARY.md+INSUFFICIENCY-HANDLING.md+RULE-UPDATE-SOP.md.

машинный переводПоказать оригиналСкрыть оригинал«对菜鸟物流供应商（承运商）和菜鸟驿站加盟商进行风险评分， 给出风险等级、核心问题诊断和建议措施。 基于行业标准KPI体系 + 菜鸟官方运营规…»

对菜鸟物流供应商（承运商）和菜鸟驿站加盟商进行风险评分， 给出风险等级、核心问题诊断和建议措施。 基于行业标准KPI体系 + 菜鸟官方运营规则 + 供应商四维评估模型。 v1.7 新增：KPI量化计算公式详细版、行业基准对比表、权重调整权限边界、统一引用 GLOSSARY.md+INSUFFICIENCY-HANDLING.md+RULE-UPDATE-SOP.md。

ClawHub Agent Skills автор: nic-yuan v1.0.0 MIT-0 3 файла тело ≈ 1 290 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Оценка рисков поставщиков логистики Cainiao (перевозчиков) и франчайзи пунктов выдачи Cainiao, предоставление уровня риска, диагностики основных проблем и…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникЛогистика и складДанные и аналитикаИнфраструктуратип 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
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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
Это копия скилла из другого каталога, в рейтинге считается основная: 供应商与站点风险评分 (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 · 0

✓ Критических и высоких находок нет

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

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "data_sources"
  • заметка frontmatter-key неизвестное поле фронтматтера "reference"

Процессный рейтинг: все десять параметров 49/100

  • 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 (供应商与站点风险评分) не совпадает с папкой (02-risk-scoring)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Стоимость исполнения. Тело инструкции 1290 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

  • +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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 185 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: clean
This is a markdown-only risk-scoring skill for logistics suppliers and pickup stations, with no code execution or hidden access, but users should treat its business recommendations as advisory and protect sensitive records.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.