SKILLEMALL.ai

AC jewelry-ad-compliance

Проверка соответствия маркетинговых текстов в ювелирной отрасли. Используйте, когда пользователю требуется проверить, не нарушают ли рекламные тексты ювелирных изделий или украшений, описания товаров, сценарии прямых трансляций, тексты для WeChat Moments или коротких видео, тексты для рекламных плакатов, законодательство о рекламе и отраслевые нормы. Автоматически загружает словарные запасы красного, оранжевого и желтого уровней, сканирует слова высокого риска (например, национальный уровень, первый), среднего риска (например, превосходный, идеальный) и специфические для ювелирных изделий риски (чистота, эффективность, происхождение, рекламные формулировки и т. д.), определяет нарушения с учетом контекста и выводит отчет о проверке соответствия с трехцветной маркировкой. Триггерные слова включают проверку соответствия, риски законодательства о рекламе, проверь этот текст, соответствие текстов ювелирных изделий.

машинный переводПоказать оригиналСкрыть оригинал«珠宝行业营销文案合规审查。当用户需要审核珠宝或饰品类的宣传文案、商品详情页、直播话术、朋友圈或短视频文案、活动海报文案等是否违反广告法及行业…»

珠宝行业营销文案合规审查。当用户需要审核珠宝或饰品类的宣传文案、商品详情页、直播话术、朋友圈或短视频文案、活动海报文案等是否违反广告法及行业监管规定时使用。自动加载红橙黄三级词库,扫描高危词(如国家级、第一)、中危词(如极致、完美)及珠宝专属风险点(纯度、功效、产地、促销话术等),结合上下文判定是否违规,并输出带三色标注的合规审查报告。触发词包括合规审查、广告法风险、审一下这段文案、珠宝文案合规。

ClawHub Agent Skills автор: 好人 v1.0.0 MIT-0 3 файла тело ≈ 727 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Проверка соответствия маркетинговых текстов в ювелирной отрасли.

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

ПроцедураБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
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: 3. 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 "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: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 727 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
The skill is a coherent jewelry-ad compliance reviewer, but it asks the agent to persist reports and update its future review word library from user-provided complaint data without clear confirmation or controls.
LLM: suspicious (high) · VirusTotal: · 28 июл. 2026 г.