SKILLEMALL.ai

AB llc-phone

Низкая задержка входящих и исходящих AI-звонков через OpenAI Realtime API и Twilio, охватывающая шаблоны предварительного прогрева и предварительного принятия, потоки IVR и секретаря, маршрутизацию клиентского обслуживания, настройку VAD, вызовы функций, кэширование подсказок и особенности реализации.

машинный переводПоказать оригиналСкрыть оригинал«Low-latency inbound and outbound AI phone calls via the OpenAI Realtim…»

Low-latency inbound and outbound AI phone calls via the OpenAI Realtime API and Twilio, covering pre-warm and pre-accept patterns, IVR and receptionist flows, customer-service routing, VAD tuning, function calling, prompt caching, and implementation caveats.

ClawHub Agent Skills автор: Chris M. v3.0.4 MIT-0 12 файлов тело ≈ 1 373 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Низкая задержка входящих и исходящих AI-звонков через OpenAI Realtime API и Twilio, охватывающая шаблоны предварительного прогрева и предварительного…

Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ИнтеграцияИИ и агентыИнфраструктуратип 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
B
69/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 12. 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 "homepage"

Процессный рейтинг: все десять параметров 69/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 24
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1373 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 258 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

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

Внешние проверки

ClawHub: suspicious
This voice-calling skill appears legitimate, but it needs review because its examples include silent customer-data lookup and note storage without clear consent or verification.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.