SKILLEMALL.ai
GitHub ↗ EN Войти

BC apify-lead-scoring-enrichment

Оценивает и обогащает CSV-файл B2B-лидов с помощью Apify Actors. Принимает CSV с URL компаний, правилами оценки в свободной форме и предпочтениями по обогащению; запускает BuiltWith (технологический стек), Website Content Crawler (классификация контента) и Contact Info Scraper (метаданные компании) для оценки; обогащает либо контактами по отделам (Contact Info Scraper + резервный вариант Bulk Email Finder), либо данными для копирайтеров (Google Search Scraper → AI Web Scraper → Bulk Email Finder). Выводит обогащенный CSV с числовой оценкой и столбцом outreach_hook для каждого лида, который персонализирует текст холодного письма (например, «использует Shopify → отправить руководство по установке Shopify»). Используйте, когда пользователь просит оценить лиды, квалифицировать лиды, обогатить список лидов, определить технологический стек компании для связи, найти контакты отдела маркетинга/продаж/инженерии в списке компаний, найти копирайтеров для предложений гостевых постов, персонализировать холодные письма в масштабе или превратить необработанный список доменов в готовый к предложению список аккаунтов.

машинный переводПоказать оригиналСкрыть оригинал«Score and enrich a CSV of B2B leads using Apify Actors. Takes a CSV wi…»

Score and enrich a CSV of B2B leads using Apify Actors. Takes a CSV with company URLs, free-text scoring rules, and an enrichment preference; runs BuiltWith (tech stack), Website Content Crawler (content classification), and Contact Info Scraper (company metadata) for scoring; enriches with either department-specific contacts (Contact Info Scraper + Bulk Email Finder fallback) or copywriter discovery (Google Search Scraper → AI Web Scraper → Bulk Email Finder). Outputs an enriched CSV with a numeric score and a per-lead outreach_hook column that personalizes cold email copy (e.g. "uses Shopify → send Shopify install guide"). Use when user asks to score leads, qualify leads, enrich a lead list, detect a company's tech stack for outreach, find marketing/sales/engineering contacts at a list of companies, hunt down blog copywriters for guest-post pitches, personalize cold email at scale, or turn a raw domain list into a ready-to-pitch account list.

apify/awesome-skills Agent Skills автор: apify 13 файлов · 6 скриптов тело ≈ 4 096 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Оценивает и обогащает CSV-файл B2B-лидов с помощью Apify Actors.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураShopifyПродажи и CRMДанные 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
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "author_url"

    Процессный рейтинг: все десять параметров 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4096 токенов
    • 100Шаги. Шагов: 35
    • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте

    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)
    • +3Длина description 958: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 6 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 35 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.