SKILLEMALL.ai
GitHub ↗ EN Войти

BD AIRS招投标订单采集与核查

Навыки исследования индустрии воплощенного интеллекта AIRS. Ориентирован на исследования в области воплощенного интеллекта, робототехники и индустрии роботов, организуя подтверждение субъектов бизнеса, сбор объявлений о тендерах/победах на тендерах Tianyancha, проверку заказов третьих сторон, извлечение LLM-кейсов, генерацию таблиц для стандартизации и проверку качества кейсов в единый воспроизводимый исследовательский процесс. Применяется для сбора публичных доказательств, проверки заказов на роботов, накопления базы кейсов воплощенного интеллекта и создания активов знаний для исследования индустрии. Ключевые слова: AIRS, воплощенный интеллект, робототехника, индустрия роботов, Tianyancha, тендеры, объявления о победах, проверка заказов, извлечение кейсов, исследовательские навыки, активы знаний.

машинный переводПоказать оригиналСкрыть оригинал«AIRS 具身智能产业研究 Skills。面向 embodied intelligence、robotics 和机器人产业研究，将企业主体确…»

AIRS 具身智能产业研究 Skills。面向 embodied intelligence、robotics 和机器人产业研究，将企业主体确认、天眼查招投标/中标公告采集、第三方订单核查、LLM 案例提取、标准入库表生成和案例质量复查组织为一套可复用研究流程。适用于采集公开证据、验证机器人订单、沉淀具身智能案例库和生成产业研究知识资产。 Keywords: AIRS, 具身智能, embodied intelligence, robotics, robot industry, 天眼查, tianyancha, 招投标, bidding, 中标公告, order verification, case extraction, research skills, knowledge asset.

ClawHub Agent Skills автор: airs-git v1.0.2 MIT-0 32 файла тело ≈ 602 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навыки исследования индустрии воплощенного интеллекта AIRS.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

АнализаторЗакупки 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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 · 5

    ✓ Критических и высоких находок нет

    Средние и низкие: 5
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:94
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…bKX+KS9G…yMA/NhKJ…RGz/Q==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:176
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…uyQ+a1ko…Tn4+E0Ti6C2AA==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:182
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…Wwy+ghLE…vfU/YnxW…fdg==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:210
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…DYr+NSUK…Itc/irNR…37y+AMujNyNtG+1Rggw==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:283
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…2BV+FY5ZFezP/ypmwayk68+NzzA…NFD/uUmBJuGoXw==",
      детектор

    Просканировано файлов: 26. 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)

    Процессный рейтинг: все десять параметров 49/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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 (AIRS招投标订单采集与核查) не совпадает с папкой (airs-embodied-intelligence-research-skills)
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 31
    • 100Стоимость исполнения. Тело инструкции 602 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
    • +2Инструкции на одном языке
    • +3Длина description 348 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +4Есть примеры (2 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: suspicious
    This skill appears to do the research workflow it claims, but it needs Review because it uses a logged-in Tianyancha browser session and sends collected research content to a configurable LLM provider with incomplete privacy and scoping warnings.
    LLM: suspicious (high) · 28 мая 2026 г.