SKILLEMALL.ai

BC texas-electricity-savings-monitor-openclaw

Оптимизированный навык OpenClaw для выбора поставщика электроэнергии в Техасе, автозаполнения адреса, подтверждения кандидата, поиска ESIID, оценки потребления, рекомендации тарифа, самостоятельной маршрутизации тарифа и ежедневного или еженедельного мониторинга экономии. Используйте, когда модели требуется более строгая пошаговая ветвь, выполнение по скрипту и фиксированные формы ответов для рабочих процессов электроснабжения Техаса.

машинный переводПоказать оригиналСкрыть оригинал«OpenClaw-optimized skill for Texas residential electricity shopping, a…»

OpenClaw-optimized skill for Texas residential electricity shopping, address completion, candidate confirmation, ESIID lookup, usage estimation, plan recommendation, self-service plan routing, and daily or weekly savings monitoring. Use when a model needs stricter step-by-step branching, script-first execution, and fixed response shapes for Texas electricity workflows.

ClawHub Agent Skills автор: catkennel v1.0.0 MIT-0 17 файлов · 7 скриптов тело ≈ 2 527 токенов Открыть источникclawhub.ai↗ проанализирован 13 дн назад

Оптимизированный навык OpenClaw для выбора поставщика электроэнергии в Техасе, автозаполнения адреса, подтверждения кандидата, поиска ESIID, оценки…

Как процесс C 64/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

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

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 99
    • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2527 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +4Нет примеров входа/выхода
    • -31 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 371 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 99 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    The skill is coherent for Texas electricity shopping, but it sends residential address and usage data to an external service while shipping an exposed API token, so it needs review before installation.
    LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.