SKILLEMALL.ai

AA payment-route-optimizer

Создавайте диагностику маршрутизации платежей, матрицы маршрутов, политики повторных попыток и отказоустойчивости, ограждения развертывания и понятные для мерчантов планы для команд, занимающихся платежами, оформлением заказов, финансами и трансграничной электронной коммерцией. Используйте при сравнении поставщиков платежных услуг (PSP), эквайеров, локальных методов, коэффициента авторизации, стоимости обработки или при принятии решений о маршрутизации с учетом чарджбэков, не затрагивая реальный платежный трафик.

машинный переводПоказать оригиналСкрыть оригинал«Build payment-routing diagnostics, route matrices, retry and failover…»

Build payment-routing diagnostics, route matrices, retry and failover policies, rollout guardrails, and merchant-friendly planning briefs for payment, checkout, finance, and cross-border ecommerce teams. Use when comparing PSPs, acquirers, local methods, authorization rate, processing cost, or chargeback-sensitive routing decisions without touching live payment traffic.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 3 файла тело ≈ 766 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создавайте диагностику маршрутизации платежей, матрицы маршрутов, политики повторных попыток и отказоустойчивости, ограждения развертывания и понятные для…

Как процесс A 81/100 · Дойдёт до конца — слабые места: результат и критерий готовности, повторный запуск

АнализаторИИ и агентыТорговляБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
Ошибки и развилки вес 10
50
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 81/100

    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 34
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 766 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 372 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    The skill's code and runtime instructions match its stated purpose (offline payment-routing planning) and do not request unrelated credentials, network access, or live changes.
    LLM: benign (high) · VirusTotal: benign · 13 апр. 2026 г.