SKILLEMALL.ai

AB trend-demand-forecaster

Превращает заметки о продажах, сигналы трендов, сезонный контекст, планы промоакций и ограничения по запасам в практический краткий прогноз спроса с базовым, оптимистичным и пессимистичным сценариями, опережающими индикаторами и сигналами пополнения запасов. Используйте, когда планировщики, операторы электронной коммерции, основатели или консультанты нуждаются в поддержке прогнозирования без прямого доступа к API ERP, BI, рекламы или маркетплейсов.

машинный переводПоказать оригиналСкрыть оригинал«Turn sales notes, trend signals, seasonal context, promo plans, and in…»

Turn sales notes, trend signals, seasonal context, promo plans, and inventory constraints into a practical demand forecast brief with base, upside, and downside scenarios, leading indicators, and replenishment cues. Use when planners, ecommerce operators, founders, or consultants need forecasting support without live ERP, BI, ads, or marketplace APIs.

ClawHub Agent Skills автор: haidong v1.0.1 MIT-0 6 файлов тело ≈ 1 221 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Превращает заметки о продажах, сигналы трендов, сезонный контекст, планы промоакций и ограничения по запасам в практический краткий прогноз спроса с базовым…

Как процесс B 78/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск, отчётность по ходу

СправочникДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 5. 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 78/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 47
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1221 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 10. 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 353 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 47 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a simple demand-planning helper with no hidden automation or credential use, though some examples blur its stated no-live-data boundary.
    LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.