BF 客户智能管理
Система интеллектуального управления клиентами 1688. Может помочь вам: ① Запрос всех клиентов — многомерная фильтрация по потенциальным клиентам/потерянным/активным, поддержка точной фильтрации по никнейму, тегам, статусу отслеживания, менеджеру по продажам, сумме закупки, временному диапазону. ② Анализ намерений закупок клиента — анализ недавних потребностей в общении отдельного клиента, оснований для принятия решения о закупке, причин потери или причин потенциальной сделки. ③ Рекомендации по тактике ведения клиента — предоставление тактики удержания / тактики пробуждения / общей тактики ведения в зависимости от типа клиента. ④ Подробный профиль клиента — вывод информации о покупателе, привычках закупок, основаниях для принятия решений, информации о запросах в других магазинах.
машинный переводПоказать оригиналСкрыть оригинал«1688 客户智能管理 Skill。可以帮你做： ① 查询总询盘客户 — 商机/流失/活跃多维度筛选，支持按昵称、标签、跟进状态、业务员、采…»
1688 客户智能管理 Skill。可以帮你做： ① 查询总询盘客户 — 商机/流失/活跃多维度筛选，支持按昵称、标签、跟进状态、业务员、采购金额、时间范围精准筛选 ② 客户采购意图分析 — 解析单个客户的近期沟通需求、采购决策依据、流失原因或商机理由 ③ 客户跟进话术建议 — 按客户类型给出挽留话术 / 唤醒话术 / 通用跟进话术 ④ 客户详细资料档案 — 输出买家信息、采购习惯、决策依据、其他店铺询盘信息
Система интеллектуального управления клиентами 1688.
Как процесс F 29/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/capabilities/xxx.md
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 32. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 7823 токенов (рекомендуется < 5000); вынесите детали в references/ - предупреждение
missing-refссылка на отсутствующий файл: references/capabilities/xxx.md
Процессный рейтинг: все десять параметров 29/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/capabilities/xxx.md
- 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
- 40Согласованность. Имя во frontmatter (客户智能管理) не совпадает с папкой (1688-shop-zkt-buyer-manage)
- 70Стоимость исполнения. Тело инструкции 7823 токенов
- 100Шаги. Шагов: 154
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее
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
- -2152 эмодзи в инструкциях: шум для модели
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- -36 из 8 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 206 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 51 заголовков
- +3Пошаговые инструкции: 154 пунктов
- +4Есть примеры (24 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 42.