SKILLEMALL.ai

AC self-improving-support

Фиксирует задержки в решении тикетов, ошибочные диагнозы, пробелы в эскалации, нарушения SLA, пробелы в знаниях и сигналы оттока клиентов для непрерывного улучшения поддержки. Используйте, когда: (1) Тикет решается поздно или неправильно, (2) Происходит нарушение SLA, (3) Клиент повторно открывает тикет, (4) Путь эскалации не срабатывает, (5) Поиск по базе знаний не дает результатов, (6) Оценки CSAT падают ниже порога, (7) В коммуникации с клиентом обнаружен сигнал оттока.

машинный переводПоказать оригиналСкрыть оригинал«Captures ticket resolution delays, misdiagnoses, escalation gaps, SLA…»

Captures ticket resolution delays, misdiagnoses, escalation gaps, SLA breaches, knowledge gaps, and customer churn signals to enable continuous support improvement. Use when: (1) A ticket is resolved late or incorrectly, (2) An SLA breach occurs, (3) A customer reopens a ticket, (4) An escalation pathway fails, (5) A knowledge base search returns no results, (6) CSAT scores drop below threshold, (7) A churn signal is detected in customer communication.

ClawHub Agent Skills автор: José I. O. v1.1.1 MIT-0 15 файлов · 3 скрипта тело ≈ 6 534 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Фиксирует задержки в решении тикетов, ошибочные диагнозы, пробелы в эскалации, нарушения SLA, пробелы в знаниях и сигналы оттока клиентов для непрерывного…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6534 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 54/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 19, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Ошибки и развилки. Развилок: 5
  • 70Стоимость исполнения. Тело инструкции 6534 токенов
  • 100Шаги. Шагов: 107
  • 100Согласованность. Имя и обязательные поля на месте
  • 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: 20. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 456 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 50 заголовков
  • +3Пошаговые инструкции: 107 пунктов
  • +4Есть примеры (18 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This skill is a support-learning logger with optional reminder hooks; the sensitive parts are disclosed and limited, though users should keep hooks project-scoped.
LLM: benign (high) · VirusTotal: · 28 авг. 2026 г.