AC retail-clerk-structure-analysis
Инструмент анализа структуры продаж. Анализирует структуру работы продавцов-консультантов в магазине, выявляет вклад колебаний в работе продавцов-консультантов в колебания производительности магазина. Основные возможности: 1. Анализ структуры работы продавцов-консультантов (распределение производительности на человека, анализ Парето) 2. Идентификация лучших/средних/худших продавцов-консультантов 3. Оценка концентрации производительности 4. Атрибуция колебаний производительности (вклад каждого продавца-консультанта в изменение производительности магазина) 5. Классификация продавцов-консультантов на растущих/снижающихся 6. Идентификация ключевых сотрудников на основе совокупного вклада Триггеры: - Пользователь анализирует структуру продавцов-консультантов (например, «Какова структура команды продавцов-консультантов?») - Пользователю требуется атрибуция колебаний (например, «Кто виноват в снижении производительности?») - Пользователь идентифицирует ключевых сотрудников (например, «Какие продавцы-консультанты больше всего влияют на производительность?»)
машинный переводПоказать оригиналСкрыть оригинал«导购结构分析工具。分析门店导购的表现结构，识别导购波动对门店业绩波动的贡献度。 核心能力： 1. 导购表现结构分析（人效分布、帕累托分析）…»
导购结构分析工具。分析门店导购的表现结构，识别导购波动对门店业绩波动的贡献度。 核心能力： 1. 导购表现结构分析（人效分布、帕累托分析） 2. TOP/腰部/尾部导购识别 3. 业绩集中度评估 4. 导购波动归因（各导购对门店业绩变化的贡献度） 5. 增长型vs下滑型导购分类 6. 基于累计贡献度的关键人识别 触发条件： - 用户分析导购结构（如"导购团队结构如何"） - 用户需要波动归因（如"业绩下滑是谁导致的"） - 用户识别关键人（如"哪些导购对业绩影响最大"）
Инструмент анализа структуры продаж.
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: 9
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 797 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 239 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.