SKILLEMALL.ai

AB warehouse-flow-optimizer

Преобразуйте заметки о складских процессах, наблюдения за узкими местами, ограничения по трудовым ресурсам, проблемы с размещением товаров и целевые показатели обслуживания в практическое руководство по оптимизации потока с гипотезами о узких местах, быстрыми победами, идеями для пилотных проектов и рабочими ограничениями. Используйте, когда команды операционной деятельности электронной коммерции, менеджеры 3PL или консультанты нуждаются в руководстве по улучшению склада без интеграции с системами WMS, OMS или трудовыми системами в реальном времени.

машинный переводПоказать оригиналСкрыть оригинал«Turn warehouse process notes, bottleneck observations, labor constrain…»

Turn warehouse process notes, bottleneck observations, labor constraints, slotting issues, and service targets into a practical flow optimization brief with bottleneck hypotheses, quick wins, pilot ideas, and operating guardrails. Use when ecommerce ops teams, 3PL managers, or consultants need warehouse improvement guidance without live WMS, OMS, or labor-system integrations.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 3 файла тело ≈ 830 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Преобразуйте заметки о складских процессах, наблюдения за узкими местами, ограничения по трудовым ресурсам, проблемы с размещением товаров и целевые…

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ПроцедураЛогистика и складДанные и аналитикатип 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
B
70/100
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: 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 70/100

    • 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
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 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: 43
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 830 токенов
    • 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 378 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 43 пунктов
    • +4Есть примеры (0 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This skill is internally consistent: its description, runtime instructions, and included code all match a heuristics-based warehouse optimization brief and it does not request unrelated credentials, binaries, or external installs.
    LLM: benign (high) · VirusTotal: benign · 14 апр. 2026 г.