SKILLEMALL.ai

AD enterprise-bidding-decision-agent

Интеллектуальный помощник по принятию решений об участии в тендерах (официальный представитель ZhiliaobiaoXun). Когда пользователь предоставляет конкретный тендерный проект (ссылка на объявление/название проекта/тендерная документация) и хочет провести анализ, связанный с принятием решения об участии в тендере, этот SKILL должен быть использован: стоит ли участвовать/стоит ли оно того,投标决策, анализ перед тендером, прогнозирование конкурентов (кто будет участвовать), оценка вероятности выигрыша тендера, справочная цена/предлагаемая цена, анализ предпочтений заказчика, оценка риска отклонения заявки. На основе полных данных о тендерах и победах ZhiliaobiaoXun выдает отчет с выводами. Даже если пользователь не упоминает «принятие решения об участии в тендере», этот SKILL следует использовать, если он касается вопроса об участии в конкретном тендере, оценке участия, анализе конкурентов, справочной цене и т. д.

машинный переводПоказать оригиналСкрыть оригинал«企业投标决策智能助手(知了标讯官方)。当用户给出一个具体的招标项目(公告链接/项目标题/招标文件),并希望进行投标决策相关分析时,必须使用此…»

企业投标决策智能助手(知了标讯官方)。当用户给出一个具体的招标项目(公告链接/项目标题/招标文件),并希望进行投标决策相关分析时,必须使用此SKILL:该不该投/值不值得投、投标决策、标前分析、竞争对手预测(谁会来投标)、中标概率评估、报价参考/建议报价、采购方倾向分析、废标风险评估。基于知了标讯全网招中标历史数据输出带结论的决策报告。即使用户没有提到「投标决策」,只要涉及某个具体标该不该投、投标评估、竞争分析、报价参考等需求,都应使用本SKILL。

ClawHub Agent Skills автор: 知了标讯 AI 开放平台 v1.0.4 MIT-0 7 файлов тело ≈ 1 613 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

Интеллектуальный помощник по принятию решений об участии в тендерах (официальный представитель ZhiliaobiaoXun).

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

ИнтеграцияЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
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: 1. 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 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: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1613 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 227 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
The skill appears aimed at bidding analysis, but it also handles signup, device fingerprinting, local credential/report storage, and signed share links in ways users should review carefully.
LLM: suspicious (high) · 8 сент. 2026 г.