SKILLEMALL.ai

AB local-lead-outreach-engine

Создавайте списки квалифицированных B2B-лидов и практические последовательности холодных рассылок для агентств, консультантов, фрилансеров, основателей SaaS и сервисных компаний. Используйте, когда пользователь хочет найти потенциальных клиентов, квалифицировать лидов, расставить приоритеты для целей рассылки, написать холодные письма, создать последовательности последующих действий, подготовить партию для отправки или превратить грубое предложение в рассылку, ориентированную на конкретного клиента.

машинный переводПоказать оригиналСкрыть оригинал«Build qualified B2B lead shortlists and practical cold outreach sequen…»

Build qualified B2B lead shortlists and practical cold outreach sequences for agencies, consultants, freelancers, SaaS founders, and service businesses. Use when the user wants to find prospects, qualify leads, prioritize outreach targets, write cold emails, create follow-up sequences, prepare a send batch, or turn a rough offer into prospect-specific outreach.

ClawHub Agent Skills автор: Sheep Don't Mpp v1.0.0 MIT-0 6 файлов тело ≈ 1 002 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создавайте списки квалифицированных B2B-лидов и практические последовательности холодных рассылок для агентств, консультантов, фрилансеров, основателей SaaS и…

Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ГенераторПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 71/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 58
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1002 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 363 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only B2B lead research and cold-email drafting skill with explicit safety and approval guardrails.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.