SKILLEMALL.ai

BD hyc-sales-prospector

Инструмент для сбора информации о компаниях в определенном районе: два режима — режим A «Район × Отрасль» для широкого охвата; режим B «Якорный адрес × Отрасль» для точного наведения, обход пешком в радиусе 1-3 км. Вывод: список компаний, группы связанных компаний, маршруты посещения и скрипты разговоров. Активируется, когда пользователь запрашивает: список для обхода, холодные звонки, полевой маркетинг, список компаний в районе, лиды клиентов, маршруты посещения, поиск контактов компаний, связанные компании, список целевых клиентов, посещение близлежащих компаний, холодные звонки в магазины.

машинный переводПоказать оригиналСкрыть оригинал«区域扫街情报工具:双模式 — 模式 A「区域×行业」广撒网;模式 B「锚点地址×行业」精准制导,周边 1-3km 步行扫街。输出企业名录、关…»

区域扫街情报工具:双模式 — 模式 A「区域×行业」广撒网;模式 B「锚点地址×行业」精准制导,周边 1-3km 步行扫街。输出企业名录、关联企业分组、拜访路线与话术。Invoke when user asks for 扫街名单, 陌拜, 地推, 区域企业名录, 客户线索, 拜访路线, 企业联系人查询, 关联企业, 目标客户清单, 周边企业拜访, 门店陌拜.

ClawHub Agent Skills автор: Hanzy798 v1.0.0 MIT-0 4 файла · 1 скрипт тело ≈ 2 448 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Инструмент для сбора информации о компаниях в определенном районе: два режима — режим A «Район × Отрасль» для широкого охвата; режим B «Якорный адрес ×…

Как процесс D 35/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: <路径>

ПроцедураExcelИИ и агентыПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
35/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: <路径>
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: <路径>

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: <路径>
  • 0Инструменты и файлы. Не хватает 1 файла(ов): <路径>
  • 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
  • 100Шаги. Шагов: 78
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2448 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 16. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 180 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 35 заголовков
  • +3Пошаговые инструкции: 78 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: suspicious
The skill’s sales-prospecting behavior is mostly disclosed, but it also tells agents to persistently rewrite the skill itself from ordinary user feedback, which creates review-worthy risk.
LLM: suspicious (high) · 6 окт. 2026 г.