SKILLEMALL.ai

AC pans-linkedin-outreach

Помощник по внешним связям LinkedIn для продаж ИИ-вычислений. Массово генерирует персонализированные сообщения LinkedIn, поддерживает три типа: Connection Note (примечание к приглашению), InMail (личное сообщение), Follow-up (сообщение для последующей связи), автоматически адаптируется к ограничению в 300 символов. Триггеры: сообщение LinkedIn, приглашение к связи, InMail, сообщение для последующей связи, текст для внешних связей, outreach, connection request, лиддин.

машинный переводПоказать оригиналСкрыть оригинал«AI算力销售 LinkedIn 外联助手。批量生成个性化 LinkedIn 消息, 支持 Connection Note(连接邀请附言)、I…»

AI算力销售 LinkedIn 外联助手。批量生成个性化 LinkedIn 消息, 支持 Connection Note(连接邀请附言)、InMail(私信消息)、 Follow-up(跟进消息)三种类型,自动适配 300 字符限制。 触发词:LinkedIn消息, 连接邀请, InMail, 跟进消息, 外联文案, outreach, connection request, 领英外联

ClawHub Agent Skills автор: dashiming v1.0.0 MIT-0 3 файла тело ≈ 218 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по внешним связям LinkedIn для продаж ИИ-вычислений.

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

СправочникПродажи и CRMИнфраструктуратип 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")

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: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 218 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 194 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This is a local helper for drafting LinkedIn outreach messages, with no evidence of hidden access, automatic posting, credential use, or persistence.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.