BD Financial Industry Intelligent Customer Service
Интеллектуальное обслуживание клиентов на базе ИИ для банковского и биржевого секторов — охватывает ответы на часто задаваемые вопросы, запросы по счетам, руководство по транзакциям, обработку жалоб и круглосуточную автоматизированную поддержку. Создано для колл-центров финансовых учреждений Китая и команд цифрового обслуживания клиентов. Ключевые слова: интеллектуальное обслуживание клиентов, чат-бот, FAQ, обработка жалоб, банковское обслуживание, биржевое обслуживание, 智能客服, 客服机器人, FAQ, 投诉处理, 银行服务, 证券客服, 呼入客服, 智能问答, 24小时客服.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered intelligent customer service for banking and securities — c…»
AI-powered intelligent customer service for banking and securities — covers FAQ answering, account inquiry, transaction guidance, complaint handling, and 7x24 automated support. Built for China financial institution call centers and digital customer service teams. Keywords: intelligent customer service, chatbot, FAQ, complaint handling, banking service, securities service, 智能客服, 客服机器人, FAQ, 投诉处理, 银行服务, 证券客服, 呼入客服, 智能问答, 24小时客服.
Интеллектуальное обслуживание клиентов на базе ИИ для банковского и биржевого секторов — охватывает ответы на часто задаваемые вопросы, запросы по счетам…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 3, column 14: description: AI-powered intelligent customer service for banking and securities… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug"
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (Financial Industry Intelligent Customer Service) не совпадает с папкой (security-intelligent-cs)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 10
- 100Стоимость исполнения. Тело инструкции 2966 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 431 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.