SKILLEMALL.ai
GitHub ↗ EN Войти

AB post-purchase

Используйте при разработке или проверке того, что происходит после оформления заказа в интернет-магазине — вкладыши в упаковку и благодарственные записки, подписки на доставку и пороги бесплатной доставки, политика возврата и возмещения, программы лояльности, а также время отправки писем о брошенной корзине или ретаргетинга — например, «когда отправлять письмо о брошенной корзине», «следует ли предлагать бесплатный возврат», «настроить программу лояльности», «что положить в коробку».

машинный переводПоказать оригиналСкрыть оригинал«Use when designing or reviewing what happens after checkout in an onli…»

Use when designing or reviewing what happens after checkout in an online store — packaging inserts and thank-you notes, shipping subscriptions and free-shipping thresholds, return and refund policy, loyalty programs, and cart-abandonment or retargeting timing — e.g. "when should the abandoned-cart email go out", "should we offer free returns", "set up a loyalty program", "what goes in the box".

checkout-page/ecommerce-skills Agent Skills автор: checkout-page 2 файла тело ≈ 1 146 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Используйте при разработке или проверке того, что происходит после оформления заказа в интернет-магазине — вкладыши в упаковку и благодарственные записки…

Как процесс B 67/100 · Почти готов — слабые места: когда включается, ошибки и развилки, повторный запуск

АнализаторТорговлятип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Ошибки и развилки вес 10
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: 2. 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 67/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1146 токенов

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 397 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.