SKILLEMALL.ai
GitHub ↗ EN Войти

AB discovery-call-debrief

Используйте этот навык, когда торговый представитель должен подвести итоги завершенного ознакомительного звонка. Извлекает сигналы квалификации, болевые точки и следующие шаги из заметок или стенограммы звонка и создает оценку MEDDIC, обновления полей, готовые для CRM, и черновик follow-up письма.

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when a sales representative needs to debrief a complete…»

Use this skill when a sales representative needs to debrief a completed discovery call. Extracts qualification signals, pain points, and next steps from call notes or a transcript, and produces a MEDDIC scorecard, CRM-ready field updates, and a follow-up email draft.

ClawHub Agent Skills автор: devasher v0.1.2 MIT-0 4 файла тело ≈ 1 959 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Используйте этот навык, когда торговый представитель должен подвести итоги завершенного ознакомительного звонка.

Как процесс B 77/100 · Почти готов — слабые места: повторный запуск

ГенераторПродажи и CRMИнфраструктуратип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
77/100
Почти готов
Повторный запуск вес 4
30
Когда включается вес 12
50
Результат и критерий готовности вес 14
60
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: 4. 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 77/100

    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Ошибки и развилки. Развилок: 4
    • 85Шаги. Шагов: 16, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1959 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 267 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a sales debrief skill that processes user-provided call notes into MEDDIC scoring, CRM text, and a follow-up email without hidden execution or data sharing.
    LLM: benign (high) · VirusTotal: · 28 мая 2026 г.