SKILLEMALL.ai
GitHub ↗ EN Войти

AB store-audit

Используйте при проверке интернет-магазина в целом — главная страница, страницы категорий, микс каналов или доверие — например, «проверь мой магазин», «аудит моей главной страницы», «Instagram или Google Ads?», «следует ли говорить, что мы небольшая команда», «как следует маркировать рекомендации», «карусель или сетка», «как нам выглядеть более надежными», «следует ли нам также продавать на Amazon». Для одной страницы продукта используйте product-page; для корзины или оформления заказа используйте checkout-ux.

машинный переводПоказать оригиналСкрыть оригинал«Use when reviewing an online store as a whole — homepage, category pag…»

Use when reviewing an online store as a whole — homepage, category pages, channel mix, or trust — e.g. "review my store", "audit my homepage", "Instagram or Google Ads?", "should we say we're a small team", "how should we label recommendations", "carousel or grid", "how do we look more trustworthy", "should we sell on Amazon too". For one product page, use product-page; for cart or checkout, use checkout-ux.

checkout-page/ecommerce-skills Agent Skills автор: checkout-page 2 файла тело ≈ 1 114 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Используйте при проверке интернет-магазина в целом — главная страница, страницы категорий, микс каналов или доверие — например, «проверь мой магазин», «аудит…

Как процесс B 72/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу

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
72/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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 72/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 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: 26
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1114 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 8 примера фраз-триггеров в кавычках
    • +3Длина description 411 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 26 пунктов
    • +3Формат ответа описан явно

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