SKILLEMALL.ai

AC bid-rejection-decision-support

Движок поддержки принятия решений об отклонении/аннулировании заявок для тендерных комиссий (экспертов). Активируется, когда пользователь предоставляет «конкретную реакцию участника + соответствующее положение тендерной документации» и спрашивает «следует ли отклонять» «следует ли отклонять или запрашивать разъяснения/исправления» «помоги мне написать причину отклонения для тендерного отчета». Выдает три типа результатов: ① Суждение о том, является ли это основанием для отклонения, и ссылка на закон/положение; ② Различие между отклонением и возможностью разъяснения/исправления (чтобы избежать прямого отклонения формальных недостатков, которые можно исправить, или ошибочного принятия существенных отклонений за возможность разъяснения); ③ Стандартизированные формулировки причин отклонения, которые можно напрямую включить в тендерный отчет. Основная цель: точная оценка, обоснованное отклонение, устойчивость к жалобам и пересмотру, соблюдение дисциплинарных границ. Отличается от «радара рисков аннулирования» (сканирование тендерной документации для извлечения рисковых положений), «проверки на зоны риска отклонения» (зоны риска из исторических случаев), «эксперта по тендерам» (общие вопросы по тендерам).

машинный переводПоказать оригиналСкрыть оригинал«评标委员会(专家)侧否决/废标决策支持引擎。当用户提供"某投标人的具体响应情况 + 招标文件对应条款"并询问"该不该否决""应当否决还是澄清…»

评标委员会(专家)侧否决/废标决策支持引擎。当用户提供"某投标人的具体响应情况 + 招标文件对应条款"并询问"该不该否决""应当否决还是澄清补正""帮我写评标报告用的否决理由"时触发。输出三类成果:① 是否构成否决的判断及法条/条款依据;② 应当否决与可澄清补正的区分判定(避免把可补正的形式瑕疵直接否掉,或把实质偏差误当可澄清);③ 可直接写入评标报告的规范化否决理由措辞。核心目标:评得准、否得有依据、经得起投诉复核、不踩纪律红线。区别于"废标风险雷达"(扫描招标文件提取风险条款)、"否决雷区体检"(历史案例雷区)、"招投标评标专家"(通用评标问答)。

ClawHub Agent Skills автор: 一线评标专家 v1.0.0 MIT-0 8 файлов тело ≈ 1 002 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Движок поддержки принятия решений об отклонении/аннулировании заявок для тендерных комиссий (экспертов).

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

ПроцедураЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
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

  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: 1. 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 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: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1002 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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 6 примера фраз-триггеров в кавычках
  • +3Длина description 279 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill is a scoped procurement bid-rejection decision-support guide with disclosed knowledge-base lookup behavior and no hidden execution, persistence, or data access.
LLM: benign (high) · VirusTotal: · 25 июл. 2026 г.