SKILLEMALL.ai
EN Войти

BD lead-research-bant

Исследование B2B-лидов и оценка по BANT. Введите название целевой компании или домен, чтобы автоматически собрать информацию о компании, определить ключевых лиц, оценить по BANT (бюджет/полномочия/потребность/сроки), и получить действенные рекомендации по продажам и отчет об оценке лида. Подходит для B2B-продаж, SDR, команд по работе с клиентами для квалификации лидов и подготовки к продажам.

машинный переводПоказать оригиналСкрыть оригинал«B2B 线索研究与 BANT 评级技能。输入目标公司名称或域名， 自动完成公司情报收集、关键决策人识别、BANT（预算/决策权/需求/时间线…»

B2B 线索研究与 BANT 评级技能。输入目标公司名称或域名， 自动完成公司情报收集、关键决策人识别、BANT（预算/决策权/需求/时间线）评级， 输出可操作的销售行动建议和线索评分报告。 适用于 B2B 销售、SDR、客户成功团队进行线索资格判定和销售准备。

ClawHub Agent Skills автор: sh2601393743-png v1.0.0 MIT-0 2 файла тело ≈ 1 194 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Исследование B2B-лидов и оценка по BANT.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураПродажи и CRMИсследованиятип 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
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "price"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 64
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1194 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
  • +2Инструкции на одном языке
  • +3Длина description 131 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 64 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a straightforward sales research assistant that uses public web searches to produce lead qualification reports, with no hidden installation, persistence, or mutation behavior found.
LLM: benign (high) · VirusTotal: · 21 июл. 2026 г.