SKILLEMALL.ai

BC Credit Review Digital Employee

Покрывает весь процесс: сканирование правил доступа, планирование рисков, проверка приема дел, управление рисками залога и удержания, выявление связанных сделок, анализ перед выдачей кредита, меморандум проверки. Помогает сотрудникам кредитного отдела повысить способность выявлять риски.

машинный переводПоказать оригиналСкрыть оригинал«覆盖准入规则扫描、风险规划、案件接件审核、抵质押风险管理、关联交易检测、贷前分析、审查备忘录全流程。帮助信贷审查人员提升风险识别能力。…»

覆盖准入规则扫描、风险规划、案件接件审核、抵质押风险管理、关联交易检测、贷前分析、审查备忘录全流程。帮助信贷审查人员提升风险识别能力。

ClawHub Agent Skills автор: lingfeng-19 v2.0.7 MIT-0 2 файла тело ≈ 17 956 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Покрывает весь процесс: сканирование правил доступа, планирование рисков, проверка приема дел, управление рисками залога и удержания, выявление связанных…

Как процесс C 55/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

АнализаторДанные и аналитикаБезопасностьПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 17956 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "capabilities"

Процессный рейтинг: все десять параметров 55/100

  • 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
  • 10Стоимость исполнения. Тело инструкции 17956 токенов: вытесняет саму задачу из окна
  • 40Согласованность. Имя во frontmatter (Credit Review Digital Employee) не совпадает с папкой (credit-review-digital-employee)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 761
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 91. 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)
  • +3Длина description 67: рекомендуется 120–800 символов
  • -2166 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 226 заголовков
  • +3Пошаговые инструкции: 761 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (26 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: suspicious
The skill is not executable, but its credit-review guidance mixes safety boundaries with high-impact banking workflow instructions that need careful review before use.
LLM: suspicious (high) · 10 сент. 2026 г.