SKILLEMALL.ai

AC baitan-master

Помощник по полному циклу организации уличной торговли. Охватывает 7 модулей: рекомендация категорий → расчет прибыли → оценка места → анализ конкурентов → противодействие погоде → проверка соответствия → комплексный отчет о принятии решений. На основе данных рыночных исследований за 2025 год, включает данные о прибыли по 40+ категориям, 5-уровневую систему оценки мест, 10 основных решений проблем. Предоставляет три вычислительных движка: интеллектуальный подбор категорий, калькулятор прибыли, оценщик мест, а также интерактивный HTML-отчет с визуализацией. Ключевые слова: уличная торговля, лоток, ночной рынок, стартап на лотке, экономика лотков, выбор товара для лотка, выбор места для лотка, прибыль с лотка, стоимость лотка, анализ лотка, отчет по лотку, выезд на точку, место для лотка, уличная торговля едой, стартап на лотке, руководство по уличной торговле, планирование уличной торговли, принятие решений по уличной торговле, baitan, street vending.

машинный переводПоказать оригиналСкрыть оригинал«摆摊创业全流程助手。覆盖品类推荐→利润精算→选址评估→竞品分析→天气应对→合规检查→综合决策报告7大模块。 基于2025年市场调研数据,内置…»

摆摊创业全流程助手。覆盖品类推荐→利润精算→选址评估→竞品分析→天气应对→合规检查→综合决策报告7大模块。 基于2025年市场调研数据,内置40+品类利润数据、5维选址评分体系、10大痛点解决方案。 提供品类智能匹配、利润计算器、选址评估器三大计算引擎和交互式HTML可视化报告。 触发词:摆摊、地摊、夜市摆摊、摆摊创业、地摊经济、摆摊选品、摆摊选址、摆摊利润、摆摊成本、摆摊分析、摆摊报告、 出摊、摊位、摆地摊、小吃摊、地摊创业、摆摊攻略、摆摊规划、摆摊决策、baitan、street vending。

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 10 файлов тело ≈ 1 249 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощник по полному циклу организации уличной торговли.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1249 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 253 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This appears to be a disclosed business-planning skill, with only a minor risk that broad Chinese trigger terms may activate it in unrelated conversations.
LLM: benign (medium) · VirusTotal: · 20 июн. 2026 г.