SKILLEMALL.ai

AC gov-blind-bid-advisor

Советник по слепым ставкам в государственных закупках со стороны поставщика: обнаружение бизнес-возможностей на основе открытых данных (сбор объявлений о закупках + сопоставление профилей компаний и ранжирование) и принятие решений по участию в тендере (структурированная оценка соответствия требованиям/возможностям/прибыли/рискам go-no-go). Встроенная самопроверка рисков с точки зрения поставщика (зоны риска отмены тендера + сканирование исключающих/недобросовестных положений). Только локальный сбор открытых данных, без API Key; опционально можно подключить базу знаний IMA для усиления поиска.

машинный переводПоказать оригиналСкрыть оригинал«投标人侧政府采购盲投参谋:基于公开数据做商机发现(采购公告采集+企业画像匹配排序)与投标决策(资格/能力/利润/风险 go-no-go 结构…»

投标人侧政府采购盲投参谋:基于公开数据做商机发现(采购公告采集+企业画像匹配排序)与投标决策(资格/能力/利润/风险 go-no-go 结构化判断),内置投标人防御视角风险自查(废标雷区+排他性/萝卜坑条款扫描)。纯本地+公开数据采集,零 API Key;可选挂载 IMA 知识库做检索增强。

ClawHub Agent Skills автор: 一线评标专家 v1.0.1 MIT-0 26 файлов тело ≈ 1 554 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Советник по слепым ставкам в государственных закупках со стороны поставщика: обнаружение бизнес-возможностей на основе открытых данных (сбор объявлений о…

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

ИнтеграцияЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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: 52
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1554 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 146 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 52 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill is a purpose-aligned procurement bidding advisor that uses public procurement data, local business-profile files, and disclosed compliance guardrails.
LLM: benign (high) · VirusTotal: · 28 июл. 2026 г.