AC engagelab-whatsapp-business
Вызывайте EngageLab WhatsApp Business REST API для отправки сообщений WhatsApp (шаблонные, текстовые, изображения, видео, аудио, документы, стикеры), управления шаблонами сообщений WABA и обработки веб-перехватчиков обратного вызова для статуса доставки и ответов пользователей. Используйте этот навык всякий раз, когда пользователь хочет отправлять сообщения WhatsApp через EngageLab, создавать или управлять шаблонами WhatsApp, настраивать обратные вызовы WhatsApp или интегрироваться с платформой EngageLab WhatsApp Business. Также активируйте, когда пользователь упоминает «engagelab whatsapp», «whatsapp business api», «whatsapp api», «send whatsapp message», «whatsapp template», «waba», «whatsapp notification», «whatsapp marketing» или просит интегрировать обмен сообщениями WhatsApp в свое приложение. Этот навык охватывает аутентификацию, все типы сообщений, CRUD шаблонов и обработку обратных вызовов — используйте его, даже если пользователю нужна только одна из этих возможностей.
машинный переводПоказать оригиналСкрыть оригинал«Call EngageLab WhatsApp Business REST APIs to send WhatsApp messages (…»
Call EngageLab WhatsApp Business REST APIs to send WhatsApp messages (template, text, image, video, audio, document, sticker), manage WABA message templates, and handle callback webhooks for delivery status and user responses. Use this skill whenever the user wants to send WhatsApp messages via EngageLab, create or manage WhatsApp templates, configure WhatsApp callbacks, or integrate with the EngageLab WhatsApp Business platform. Also trigger when the user mentions "engagelab whatsapp", "whatsapp business api", "whatsapp api", "send whatsapp message", "whatsapp template", "waba", "whatsapp notification", "whatsapp marketing", or asks to integrate WhatsApp messaging into their application. This skill covers authentication, all message types, template CRUD, and callback handling — use it even if the user only needs one of these capabilities.
Вызывайте EngageLab WhatsApp Business REST API для отправки сообщений WhatsApp (шаблонные, текстовые, изображения, видео, аудио, документы, стикеры)…
Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия, повторный запуск, отчётность по ходу
Как улучшить
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 64/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 31, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 60Ошибки и развилки. Развилок: 2
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 15
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2486 токенов
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)
- +3Длина description 851: рекомендуется 120–800 символов
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +4Структура: 27 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (11 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.