SKILLEMALL.ai
GitHub ↗ EN Войти

AC spreadsheet-qa

Отвечает на деловые вопросы о собственной электронной таблице или экспорте данных пользователя (CSV, TSV, XLSX из CRM, Shopify, Stripe, QuickBooks, рекламных платформ, HR или payroll систем) корректно и проверяемо. Сначала профилирует каждый файл (зернистость, дублирующиеся ключи, встроенные строки итогов, числа в текстовом формате, смешанные валюты, временные метки UTC, серийные даты Excel, скрытые строки), указывает используемое определение метрики, вычисляет каждое число в SQL или pandas вместо устного счета, проверяет соединения на предмет расхождений, сверяет с известной суммой и возвращает запрос, фильтры, количество строк и строки, стоящие за ответом. Используйте это всякий раз, когда пользователь говорит «проанализируй эту таблицу», «сколько...», «какова общая сумма в этом экспорте», «какие клиенты...», «сделай сводную таблицу», «выручка по месяцам», «топ-10», «каков наш отток/MRR/AOV» или задает любой вопрос о своих данных, CSV-файле или файле Excel, даже быстрый. Также используйте, когда они просят изменить значения в файле данных.

машинный переводПоказать оригиналСкрыть оригинал«Answers business questions about the user's own spreadsheet or data ex…»

Answers business questions about the user's own spreadsheet or data export (CSV, TSV, XLSX from a CRM, Shopify, Stripe, QuickBooks, ad platforms, HR or payroll systems) correctly and auditably. Profiles every file first (grain, duplicate keys, embedded Grand Total rows, text-stored numbers, mixed currencies, UTC timestamps, Excel serial dates, hidden rows), states the metric definition used, computes every number in SQL or pandas instead of mental math, checks joins for fan-out, reconciles to a known total, and returns the query, filters, row counts, and rows behind the answer. Use this whenever the user says "analyze this spreadsheet", "how many...", "what's the total in this export", "which customers...", "pivot this", "revenue by month", "top 10", "what's our churn/MRR/AOV", or asks any question about their data, CSV, or Excel file, even a quick one. Also use when they ask to change values in a data file.

OneWave-AI/claude-skills Agent Skills автор: OneWave-AI 17 файлов · 5 скриптов тело ≈ 1 913 токенов Открыть источникgithub.com↗ проанализирован 6 ч назад

Отвечает на деловые вопросы о собственной электронной таблице или экспорте данных пользователя (CSV, TSV, XLSX из CRM, Shopify, Stripe, QuickBooks, рекламных…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураExcelStripeShopifyДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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

    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 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1913 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 921: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 8 примера фраз-триггеров в кавычках
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.