SKILLEMALL.ai
GitHub ↗ EN Войти

AD li_bid-document-maker

Автоматически преобразует тендерную документацию (PDF/Word) в профессиональные ответы на тендеры в соответствии с китайскими стандартами проведения тендеров. Используйте, когда пользователю нужно создать ответ на тендер, 응标书, 标书制作, 投标文件, 标书, 응标, 投标.

машинный переводПоказать оригиналСкрыть оригинал«Automatically convert tender documents (PDF/Word) into professional re…»

Automatically convert tender documents (PDF/Word) into professional response bid documents following Chinese bidding standards. Use when the user needs to create a bid response, 应标书, 标书制作, 投标文件, 标书, 应标, 投标.

ClawHub Claude Code автор: Terry S Fisher v0.0.2 MIT-0 32 файла тело ≈ 1 041 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Автоматически преобразует тендерную документацию (PDF/Word) в профессиональные ответы на тендеры в соответствии с китайскими стандартами проведения тендеров.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
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: 32. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
    • заметка frontmatter-key неизвестное поле фронтматтера "categories"
    • заметка frontmatter-key неизвестное поле фронтматтера "topics"

    Процессный рейтинг: все десять параметров 47/100

    • 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
    • 40Согласованность. Имя во frontmatter (li_bid-document-maker) не совпадает с папкой (li-bid-document-maker)
    • 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: 23
    • 100Стоимость исполнения. Тело инструкции 1041 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 206 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

    Внешние проверки

    ClawHub: clean
    This is a coherent bid-document drafting skill, but users should treat tender files, company records, pricing, and identity details as sensitive.
    LLM: benign (high) · VirusTotal: · 26 июн. 2026 г.