SKILLEMALL.ai
GitHub ↗ EN Войти

CD Financial Industry Intelligent Marketing Assistant

Помощник по разработке кампаний и проверке соответствия требованиям на базе ИИ для маркетинговых команд банков и брокерских компаний — составляет проекты сегментации клиентов, планов кампаний, текстов, соответствующих требованиям, A/B-тестов и анализа ROI, все в виде черновиков до публикации, требующих одобрения отдела соответствия. Область применения: только планирование регулируемого финансового маркетинга; не общая реклама, не маркетинг потребительских товаров. Ключевые слова: разработка кампаний в соответствии с требованиями, сегментация финансовых клиентов, проверка запрещенных заявлений, дизайн A/B-тестов, атрибуция ROI кампании, банковский маркетинг.

машинный переводПоказать оригиналСкрыть оригинал«AI-powered campaign design and compliance review assistant for bank an…»

AI-powered campaign design and compliance review assistant for bank and securities marketing teams — drafts customer segmentation, campaign plans, compliant copy, A/B tests and ROI analysis, all as pre-publication drafts requiring compliance sign-off. Scope: regulated financial-marketing planning only; not general advertising, not consumer goods marketing. Keywords: compliant campaign drafting, financial customer segmentation, prohibited-claims check, A/B test design, campaign ROI attribution, bank marketing, 金融营销活动设计, 银行客户分群, 违禁词校验, 金融物料合规改写, 营销ROI归因, 触达频控.

ClawHub Agent Skills автор: lingfeng-19 v3.0.4 MIT-0 2 файла тело ≈ 5 070 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Помощник по разработке кампаний и проверке соответствия требованиям на базе ИИ для маркетинговых команд банков и брокерских компаний — составляет проекты…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
78/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
46
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
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.
  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 frontmatter-yaml SKILL.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 campaign design and compliance review assistant for ban… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • 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 ≈ 5070 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"

Процессный рейтинг: все десять параметров 47/100

  • 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 Marketing Assistant) не совпадает с папкой (security-intelligent-marketing)
  • 70Стоимость исполнения. Тело инструкции 5070 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 22
  • 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 564 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 46.

Внешние проверки

ClawHub: clean
This skill is a financial-marketing drafting aid with clear no-execution and no-customer-data boundaries, though users must avoid pasting real customer records into it.
LLM: benign (high) · VirusTotal: · 8 окт. 2026 г.