AC food-review-monitor
Интеллектуальный мониторинг отзывов о питании и доставке. Ежедневно автоматически проверяет данные отзывов на Meituan Waimai, Ele.me/Taobao Flash Purchase, JD Waimai, автоматически выявляет аномалии, такие как изменения вкуса, ухудшение отзывов, просрочка доставки, и генерирует визуализированный HTML-отчет с уведомлениями. Поддерживает два режима: импорт CSV и интеграция API. Ключевые слова триггера: мониторинг отзывов о доставке, анализ отзывов, предупреждение о плохих отзывах, мониторинг вкуса, аномалии доставки, review monitor, плохие отзывы о доставке, анализ отзывов клиентов, мониторинг данных о доставке.
машинный переводПоказать оригиналСкрыть оригинал«餐饮外卖评价智能监控。每日自动检查美团外卖、饿了么/淘宝闪购、京东外卖的评价数据，自动识别口味变化、评价变差、配送超时等异常，生成可视化HT…»
餐饮外卖评价智能监控。每日自动检查美团外卖、饿了么/淘宝闪购、京东外卖的评价数据，自动识别口味变化、评价变差、配送超时等异常，生成可视化HTML报告并推送提醒。支持CSV导入和API对接两种模式。触发词：外卖评价监控, 评价分析, 差评预警, 口味监测, 配送异常, review monitor, 外卖差评, 顾客评价分析, 外卖数据监控。
Интеллектуальный мониторинг отзывов о питании и доставке.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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: 19
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 382 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 171 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +4Есть примеры (6 блоков кода)
- +3Все 4 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.