SKILLEMALL.ai

BC email-apology-zh

Инструмент для создания профессиональных писем с извинениями, разработанный для обслуживания клиентов, управления проектами и повседневных рабочих ситуаций. Подходит для различных случаев, требующих официальных извинений, таких как задержка обслуживания, задержка доставки, сбой системы, ошибка данных, невыполненные обещания. Может генерировать искренние по тону, четкие по структуре письма с извинениями/письма с извинениями/исправительные письма, включая описание проблемы, принятие ответственности, конкретные исправительные меры и последующие превентивные меры, помогая быстро восстановить доверие клиентов или партнеров. Синонимы: письмо с извинениями, уведомление о задержке, письмо об обработке ошибок, объяснение исправления, письмо с извинениями.

машинный переводПоказать оригиналСкрыть оригинал«专为客服、项目管理及日常职场场景设计的专业道歉邮件生成工具。适用于服务延误、 发货推迟、系统故障、数据错误、承诺未兑现等各类需要正式致歉的情…»

专为客服、项目管理及日常职场场景设计的专业道歉邮件生成工具。适用于服务延误、 发货推迟、系统故障、数据错误、承诺未兑现等各类需要正式致歉的情况。能够生成 语气诚恳、结构清晰的道歉邮件/致歉函/补救邮件,包含问题说明、责任承担、具体 补救措施与后续预防方案,帮助快速挽回客户或合作方信任。同义词覆盖:道歉信、 延误通知、错误处理邮件、补救说明、致歉函。

ClawHub Agent Skills автор: Olina1Ye v1.0.0 MIT-0 2 файла тело ≈ 171 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент для создания профессиональных писем с извинениями, разработанный для обслуживания клиентов, управления проектами и повседневных рабочих ситуаций.

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
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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

  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: 2. 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 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: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 171 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 175 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (0 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a simple Chinese apology-email drafting skill with no code, dependencies, network use, or hidden actions; the only notable point is its broad read/write tool declaration.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.