SKILLEMALL.ai
GitHub ↗ EN Войти

BD bidding_document_analyzer

Профессиональный инструмент интеллектуального анализа тендеров, глубоко анализирующий содержание тендерной документации и заявок, автоматически извлекающий все этапы подготовки к тендеру; на основе корпоративной базы знаний автоматически сопоставляет потребности в закупках и генерирует основное содержание технического решения; выявляет риски отмены торгов, слабые места в оценке и моменты, связанные с соблюдением требований; предоставляет функции моделирования оценки и прогнозирования коэффициента выигрыша, выдает стандартизированный вспомогательный список для тендеров и отчет об анализе конкуренции. Встроенный движок динамического контроля бюджета и объема.

машинный переводПоказать оригиналСкрыть оригинал«专业招投标智能分析工具，深度解析招标文件与投标书内容，自动提取投标准备全流程事项；基于企业知识库自动匹配采购需求并生成技术方案核心内容；识别…»

专业招投标智能分析工具，深度解析招标文件与投标书内容，自动提取投标准备全流程事项；基于企业知识库自动匹配采购需求并生成技术方案核心内容；识别废标风险、评分弱点与合规注意事项；提供评分模拟分析与中标率预测功能，输出标准化投标辅助清单与竞争分析报告。内置预算-篇幅动态控制引擎。

ClawHub Agent Skills автор: boboy v1.2.0 MIT-0 5 файлов тело ≈ 832 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Профессиональный инструмент интеллектуального анализа тендеров, глубоко анализирующий содержание тендерной документации и заявок, автоматически извлекающий…

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

ПроцедураЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
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
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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: 5. 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)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "parameters"
  • заметка frontmatter-key неизвестное поле фронтматтера "output_format"
  • заметка frontmatter-key неизвестное поле фронтматтера "max_tokens"
  • заметка frontmatter-key неизвестное поле фронтматтера "temperature"
  • заметка frontmatter-key неизвестное поле фронтматтера "stream"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (bidding_document_analyzer) не совпадает с папкой (bidding-analyzer)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 37
  • 100Стоимость исполнения. Тело инструкции 832 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
  • +4Нет примеров входа/выхода
  • -215 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 137 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: clean
This is a prompt-only bidding analysis skill whose sensitive inputs are relevant to its purpose, but users should be careful about what business and competitor information they provide.
LLM: benign (high) · 28 мая 2026 г.