AC retail-clerk-comparison-analysis
Инструмент сравнительного анализа для торговых представителей. Расширение на основе clerk-performance-analysis, предоставляющее многомерный сравнительный анализ производительности торговых представителей. Основные возможности: 1. Сравнение по временным периодам (до/после обучения, до/после мероприятия, месяц к месяцу) 2. Горизонтальное сравнение (рейтинг нескольких человек, обучение на основе лучших практик, анализ разрывов) 3. Частые сценарии (сравнение на утренних совещаниях, отчеты на еженедельных совещаниях, сопоставление показателей эффективности) 4. Сравнительная диаграмма-радар способностей торговых представителей 5. Сравнение вклада в производительность Условия активации: - Пользователь сравнивает торговых представителей (например, «Кто лучше: Ли Куй или Ян Ли?») - Пользователь нуждается в рейтинге (например, «Рейтинг производительности торговых представителей») - Пользователь анализирует разрывы (например, «Разрыв между лучшим торговым представителем и остальными»)
машинный переводПоказать оригиналСкрыть оригинал«导购对比分析工具。基于clerk-performance-analysis的扩展，提供导购业绩的多维度对比分析。 核心能力： 1. 时间维…»
导购对比分析工具。基于clerk-performance-analysis的扩展，提供导购业绩的多维度对比分析。 核心能力： 1. 时间维度对比（培训前后、活动前后、月度环比） 2. 横向对比（多人排名、标杆学习、差距分析） 3. 高频场景（晨会对比、周会报告、绩效对标） 4. 导购能力雷达图对比 5. 业绩贡献度对比 触发条件： - 用户对比导购（如"李翠和杨丽谁业绩好"） - 用户需要排名（如"导购业绩排名"） - 用户分析差距（如"标杆导购和其他人的差距"）
Инструмент сравнительного анализа для торговых представителей.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription 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: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1240 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
- +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
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 236 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (12 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.