SKILLEMALL.ai

AA ShopGuard

Кроссплатформенный навык принятия решений о рисках покупок и послепродажном обслуживании для материкового Китая, который оценивает надежность продавца, скрытые послепродажные проблемы, сложность возврата и необходимость сохранения доказательств на Taobao, Tmall, JD, PDD, Meituan, elm и аналогичных торговых площадках, а затем сообщает пользователю, стоит ли покупать, менять продавца, осторожно использовать путь низкой цены или избегать заказа.

машинный переводПоказать оригиналСкрыть оригинал«Cross-platform shopping risk and after-sales decision skill for mainla…»

Cross-platform shopping risk and after-sales decision skill for mainland China that evaluates merchant credibility, hidden post-purchase friction, refund difficulty, and evidence-retention needs across Taobao, Tmall, JD, PDD, Meituan, elm, and similar marketplaces, then tells the user whether to buy, switch seller, use the low-price path carefully, or avoid the order.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 7 файлов тело ≈ 3 676 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Кроссплатформенный навык принятия решений о рисках покупок и послепродажном обслуживании для материкового Китая, который оценивает надежность продавца…

Как процесс A 91/100 · Дойдёт до конца — трудных мест не видно

ПроцедураТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
A
91/100
Дойдёт до конца
Результат и критерий готовности вес 14
60
Входы и предусловия вес 11
70
Инструменты и файлы вес 18
100
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"

    Процессный рейтинг: все десять параметров 91/100

    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 211
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 16, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3676 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 370 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 211 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    Instruction-only shopping-risk skill whose declared purpose (assessing seller risk and after-sales friction) matches its instructions and it requests no extra credentials or installs.
    LLM: benign (high) · VirusTotal: benign · 2 апр. 2026 г.