SKILLEMALL.ai

BC ecommerce-aftersales-responder

Генератор ответов для службы поддержки клиентов интернет-магазинов. Помогает сотрудникам службы поддержки быстро создавать унифицированные ответы, соответствующие стандартам обслуживания бренда, для трех типов частых запросов: запросы на возврат/обмен, вопросы о проблемах с доставкой и согласование компенсаций после продажи. Сценарии использования: (1) когда пользователь подает заявку на возврат/обмен/возврат средств, требующую ответа службы поддержки; (2) когда пользователь запрашивает информацию о задержках доставки, утере посылок, повреждениях и других проблемах; (3) когда пользователь недоволен решением после продажи и требует согласования плана компенсации (купоны, повторная отправка, скидка и т. д.). Активируется, когда диалог содержит ключевые слова, такие как «электронная коммерция», «возврат/обмен», «проблемы с доставкой», «компенсация после продажи», «ответы службы поддержки», «стандарты обслуживания».

машинный переводПоказать оригиналСкрыть оригинал«电商售后客服规范应答生成器。支撑客服人员针对退换货申请、物流异常咨询、售后补偿协商三类高频售后诉求, 快速生成符合品牌服务规范的统一话术。适…»

电商售后客服规范应答生成器。支撑客服人员针对退换货申请、物流异常咨询、售后补偿协商三类高频售后诉求, 快速生成符合品牌服务规范的统一话术。适用场景:(1) 用户发起退货/换货/退款申请需客服审核回复, (2) 用户咨询物流延误、丢件、破损等异常问题,(3) 用户对售后处理不满需协商补偿方案(优惠券、补发、折价等)。 当对话涉及电商售后、退换货、物流异常、售后补偿、客服话术、服务规范等关键词时触发。

ClawHub Agent Skills автор: terrycarter1985 v1.0.0 MIT-0 5 файлов тело ≈ 202 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор ответов для службы поддержки клиентов интернет-магазинов.

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

ПроцедураИнфраструктуратип 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: 5. 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: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 202 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

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

Внешние проверки

ClawHub: clean
This is a text-only Chinese e-commerce customer-service drafting skill with no code execution, credentials, persistence, or hidden data movement.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.