SKILLEMALL.ai

BC shop-savvy

Интеллектуальный помощник по принятию решений о покупках. Охватывает сравнение цен по всему интернету, поиск купонов/кодов скидок, сравнение параметров продукта, анализ соотношения цены и качества, краткое изложение отзывов, рекомендации по времени покупки. Поддерживает категории бытовой техники, цифровой электроники 3C, товаров для дома, товаров для материнства и детей, косметики и т. д. Помогает экономить деньги и время, избегать импульсивных покупок. Триггерные слова: решение о покупке, сравнение цен, купоны, что лучше купить, сравнение товаров, обзоры, спроси перед покупкой.

машинный переводПоказать оригиналСкрыть оригинал«智能购物决策助手。覆盖全网商品比价、优惠券/折扣码搜索、 产品参数对比、性价比分析、评价摘要、购买时机建议。 支持家电、数码3C、家居、母婴…»

智能购物决策助手。覆盖全网商品比价、优惠券/折扣码搜索、 产品参数对比、性价比分析、评价摘要、购买时机建议。 支持家电、数码3C、家居、母婴、美妆等品类。 帮你省钱省时间,避免冲动消费。 触发词:购物决策、比价、优惠券、买什么好、商品对比、评测、剁手前先问。

ClawHub Agent Skills автор: qq435912743 v1.0.0 MIT-0 4 файла тело ≈ 740 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

Интеллектуальный помощник по принятию решений о покупках.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип 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: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "visibility"

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. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 740 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 129 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (7 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This shopping skill is mostly purpose-aligned, but it adds automatic persistent memory and self-modifying learning behavior that is broader than a normal shopping assistant.
LLM: suspicious (high) · 14 авг. 2026 г.