SKILLEMALL.ai

AC score-leads

Оцените список компаний по вашему идеальному профилю клиента и ранжируйте их, используя Cargo — каждая строка получит оценку, обоснование и уровень, чтобы худшие можно было отбросить до того, как кто-либо потратит на них время. Триггеры: «оцени эти лиды», «кто из этих подходит под наш ICP», «ранжируй этот список», «расставь приоритеты для этих аккаунтов», «за кем нам стоит идти в первую очередь», «отсеять плохих», «распредели по уровням этот список». Соответствие фирмографическим данным, пороговые значения, распределение по уровням, определение приоритетов. Пропустить, если: у вас еще нет списка, и вам нужно его создать — используйте build-tam-list или find-b2b-leads; или вы ищете людей внутри компании, а не вердикт по компании — используйте find-stakeholders.

машинный переводПоказать оригиналСкрыть оригинал«Score a list of companies against your ideal customer profile and rank…»

Score a list of companies against your ideal customer profile and rank them, powered by Cargo — every row gets a number, the reason behind it, and a tier, so the bottom of the list can be dropped before anyone spends time on it. Triggers: "score these leads", "which of these fit our ICP", "rank this list", "prioritise these accounts", "who should we go after first", "disqualify the bad ones", "tier this list". Firmographic fit, thresholds, tiering, prioritisation. Skip when: you have no list yet and need one built — use build-tam-list or find-b2b-leads; or you want people inside an account rather than a verdict on the account — use find-stakeholders.

ClawHub Agent Skills автор: Cargo v1.0.0 MIT-0 2 файла тело ≈ 1 839 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оцените список компаний по вашему идеальному профилю клиента и ранжируйте их, используя Cargo — каждая строка получит оценку, обоснование и уровень, чтобы…

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

ГенераторGitHubОперации и проектыРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    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: 8
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1839 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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

    • +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
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 658 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 8 пунктов
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    The lead-scoring workflow is mostly coherent, but it adds unrelated telemetry and a GitHub starring action that users should review before installing.
    LLM: suspicious (high) · 15 авг. 2026 г.