AC aikey-revenue
AI KEY·这个月钱去哪了 ——归因 аномалий выручки. Деньги в этом месяце пропали (или появились) из-за того, что стало меньше клиентов, каждый клиент стал покупать меньше, или изменилась цена — действия для каждой из этих причин противоположны, и ошибка приведет к неверным действиям. Также распознает «тихую эрозию»: каждый месяц падает понемногу, в отдельные месяцы это похоже на нормальные колебания, но в сумме это фатально. Способ вызова: /aikey-revenue, /钱去哪了, /营收归因, «в этом месяце почему стало меньше», «выручка упала», «деньги пропали», «бизнес внезапно стал хуже», «выручка выросла, но я не знаю почему» Анализ изменений выручки для владельцев бизнеса. Разбивает любое изменение на количество клиентов × объем на клиента × цену, чтобы можно было предпринять правильные действия. Также обнаруживает медленную эрозию, которая скрывается в ежемесячных колебаниях. Работает с бухгалтерской книгой или журналом заказов — панель управления не требуется. Триггер: /aikey-revenue, «почему выручка упала в этом месяце», «куда делись деньги», «бизнес внезапно замедлился» —— AI KEY · Не формулы, а выводы. Каждое правило помечено реальной стоимостью.
машинный переводПоказать оригиналСкрыть оригинал«AI KEY·这个月钱去哪了 ——营收异动归因。这个月钱少了（或多了），到底是客人变少、每人买得少、还是单价变了——三种原因的处理动作完全相…»
AI KEY·这个月钱去哪了 ——营收异动归因。这个月钱少了（或多了），到底是客人变少、每人买得少、还是单价变了——三种原因的处理动作完全相反，分不清就会做反。也识别「静默侵蚀」：每个月只跌一点点、单月都像正常波动，累计起来致命。 触发方式：/aikey-revenue、/钱去哪了、/营收归因、「这个月为什么少了」「营收掉了」「钱去哪了」「生意怎么突然不行了」「涨了但我不知道为什么」 Revenue movement attribution for owner-operators. Splits any change into customer count × per-customer volume × price, so the right fix follows. Also detects slow erosion that hides inside monthly noise. Works from a ledger or order book — no dashboard required. Trigger: /aikey-revenue, "why is revenue down this month", "where did the money go", "business suddenly slowed" —— AI KEY · 不给公式，给判据。每条规则都标了实测代价。
AI KEY·这个月钱去哪了 ——归因 аномалий выручки.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName"
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 26
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1261 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +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
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 602 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.