SKILLEMALL.ai

BD bidhunter

Навык мониторинга и анализа информации о тендерах государственных и центральных предприятий. Автоматический сбор объявлений с нескольких платформ, сравнение соответствия квалификационным требованиям (подходит/не подходит/требуется подтверждение), генерация кратких аналитических отчетов и многоканальная доставка. С версии v1.5 добавлены: оценка соответствия квалификации (0-100), календарь тендеров и обратный отсчет до вскрытия, многомерный фильтр по сумме/региону/отрасли, редактор правил без кода, центр диагностики, демонстрационный режим, централизованный FAQ, унифицированный командный интерфейс; с v2.0 — локальное усиление ИИ (быстрое чтение тендерной документации + идентификация рисковых положений, без облачных затрат); с v2.5 — генерация рекомендаций по тендерной стратегии; с v3.0 — локальный открытый API + вебхук с подписью. Интеллектуальное сопоставление с учетом границ для предотвращения ложных совпадений подстрок, проверка работоспособности базы правил, доставка через DingTalk/WeCom/электронную почту. Триггерные слова: отслеживать тендеры, какие сегодня можно подавать заявки, мониторинг тендерных извещений, анализ тендерной документации, объявления о тендерах, тендеры центральных предприятий, соответствие квалификации для тендеров, ИИ для анализа тендерной документации, рекомендации по тендерам.

машинный переводПоказать оригиналСкрыть оригинал«国央企招投标信息监控与研判技能。自动采集多平台公告,按资质规则比对可投性(可投/不可投/需确认),生成带研判简报并多通道推送。v1.5 起新…»

国央企招投标信息监控与研判技能。自动采集多平台公告,按资质规则比对可投性(可投/不可投/需确认),生成带研判简报并多通道推送。v1.5 起新增:资质匹配度评分(0-100)、投标日历与开标倒计时、金额/地区/行业多维筛选、零代码规则编辑器、诊断中心、示例模式、集中FAQ、统一命令入口;v2.0 本地AI增强(招标文件AI速读+风险条款识别,零云成本);v2.5 投标策略建议生成;v3.0 本地开放API+签名webhook。边界感知智能匹配防子串误匹配,规则库健康检查,钉钉/企业微信/邮件推送。触发词:抓招投标、今日哪些能投、标讯监控、标书研判、招投标公告、央企招标、投标资质匹配、AI读标书、投标建议。

ClawHub Agent Skills v2.5.0 39 файлов · 2 скрипта тело ≈ 1 431 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык мониторинга и анализа информации о тендерах государственных и центральных предприятий.

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 39. 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 48/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1431 токенов

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -33 из 20 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 305 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 4)

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

Внешние проверки

ClawHub: suspicious
The skill is mostly aligned with bid monitoring, but it under-discloses sensitive data handling and has several unsafe local/network controls that users should review before installing.
LLM: suspicious (high)