SKILLEMALL.ai

CD bid-eval-sim-trainer

Симулятор для безопасной тренировки экспертов по оценке/госзакупкам. Охватывает систему Закона о торгах и систему Закона о государственных закупках, поддерживает маршрутизацию системы, честное определение в серой зоне, специальные аспекты ответственности (гражданская/административная/уголовная), включая отклонение недействительных заявок, аномально низкие цены, разъяснения и запросы, соответствие оценке, выявление сговора, независимую оценку и противодействие вмешательству, возражения и жалобы, а также новые правила 2026 года. Предоставляет эталонные ответы, правовые основания, сравнение с реальными примерами и послойное описание последствий.

машинный переводПоказать оригиналСкрыть оригинал«评标/政采评审专家的安全模拟训练陪练。覆盖《招标投标法》体系与《政府采购法》体系双线,支持体系路由、灰区诚实判定、责任性质专项(民事/行政/…»

评标/政采评审专家的安全模拟训练陪练。覆盖《招标投标法》体系与《政府采购法》体系双线,支持体系路由、灰区诚实判定、责任性质专项(民事/行政/刑事),含否决无效、异常低价、澄清询标、评分合规、围串标识别、独立评审抗干扰、质疑投诉及2026新规等场景,输出标杆应对、法条依据、真实案例对照与后果分层。

ClawHub Agent Skills автор: 一线评标专家 v1.0.0 MIT-0 6 файлов тело ≈ 1 634 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Симулятор для безопасной тренировки экспертов по оценке/госзакупкам.

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
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 6. 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 "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

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 (bid-eval-sim-trainer) не совпадает с папкой (bid-eval-sim-trainerbid-eval-sim-trainer)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 54
  • 100Стоимость исполнения. Тело инструкции 1634 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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
  • -240 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 148 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a text-only training skill for bid and government-procurement evaluation scenarios, with disclosed legal-disclaimer and anti-abuse guardrails.
LLM: benign (high) · VirusTotal: · 27 июл. 2026 г.