SKILLEMALL.ai
EN Войти

BC haohuo-recommend

Помощник по подбору товаров в электронной коммерции, который в диалоговом режиме предоставляет конечным покупателям рекомендации по товарам, информацию о ценах, уведомления о скидках и советы по покупкам. Основан на haohuo-cps для получения данных о товарах в реальном времени, ссылки по умолчанию являются партнерскими ссылками (партнеры могут получать комиссию). Подходит для партнеров, интегрирующих его в свои приложения или группы покупок в качестве входной точки для покупателей.

машинный переводПоказать оригиналСкрыть оригинал«电商导购助手，以对话方式为终端买家提供商品推荐、价格查询、优惠提醒、购物建议。基于 haohuo-cps 获取实时商品数据，链接默认为 CP…»

电商导购助手，以对话方式为终端买家提供商品推荐、价格查询、优惠提醒、购物建议。基于 haohuo-cps 获取实时商品数据，链接默认为 CPS 推广链接（推广者可赚取佣金）。适合 CPS 推广者接入到自己的 APP 或购物群，作为买家侧的导购入口

ClawHub Agent Skills автор: zachariah-77 v1.0.0 MIT-0 2 файла тело ≈ 931 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Помощник по подбору товаров в электронной коммерции, который в диалоговом режиме предоставляет конечным покупателям рекомендации по товарам, информацию о…

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
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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"

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: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 931 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 123 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (2 блоков кода)

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

Внешние проверки

ClawHub: clean
The skill artifacts are coherent helper workflows for ClawHub and Convex development, with the higher-impact actions described and tied to explicit user-driven tasks.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.