SKILLEMALL.ai

BC email-decline-zh

Профессиональное написание писем с вежливым отказом / отклонением предложений, применимо для отказа от деловых предложений, коммерческих предложений поставщиков, аутсорсинга проектов, приглашений на выступления, запросов на спонсорство и других рабочих сценариев. Четко передавая позицию отказа, формулировка остается тактичной, а тон — мягким, эффективно поддерживая отношения между сторонами. Поддерживает различные причины отказа (недостаточный бюджет, конфликт расписаний, несоответствие направлению, внутренняя политика и т. д.), может генерировать официальные или полуформальные письма с отказом / отклонением предложений / вежливые ответы / письма с вежливым отказом, выводя одним кликом полное тело письма, готовое к отправке.

машинный переводПоказать оригиналСкрыть оригинал«专业撰写婉拒邮件/拒绝函,适用于拒绝合作邀约、供应商报价、项目外包、 演讲邀请、赞助请求等各类职场场景。在清晰传达拒绝立场的同时,措辞得体、…»

专业撰写婉拒邮件/拒绝函,适用于拒绝合作邀约、供应商报价、项目外包、 演讲邀请、赞助请求等各类职场场景。在清晰传达拒绝立场的同时,措辞得体、 语气温和,有效维护双方关系。支持多种拒绝理由(预算不足、时间冲突、 方向不符、内部政策等),可生成正式或半正式风格的 decline email / 拒绝函 / 礼貌拒绝回复 / 婉拒信,一键输出可直接发送的完整邮件正文。

ClawHub Agent Skills автор: Olina1Ye v1.0.0 MIT-0 2 файла тело ≈ 137 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Профессиональное написание писем с вежливым отказом / отклонением предложений, применимо для отказа от деловых предложений, коммерческих предложений…

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: 7
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 137 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 182 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +4Есть примеры (0 блоков кода)

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

Внешние проверки

ClawHub: clean
The skill artifacts are coherent developer and maintainer workflows with disclosed command use and safety checks; no artifact-backed malicious behavior was found.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.