SKILLEMALL.ai
GitHub ↗ EN Войти

BB lead-enrichment-scanner

Обогащение B2B-лидов с использованием веб-скрейпинга общедоступных данных и опционального извлечения метаданных LLM. Входные данные: названия компаний или домены. Выходные данные: основная информация о компании, шаблоны электронной почты и содержимое домашней страницы, полученное с помощью скрейпинга. Используйте, когда пользователь говорит «обогатить компанию», «найти компанию» или «найти информацию о компании».

машинный переводПоказать оригиналСкрыть оригинал«B2B lead enrichment using public web scraping and optional LLM metadat…»

B2B lead enrichment using public web scraping and optional LLM metadata extraction. Input: company names or domains. Output: basic company info, email patterns, and scraped homepage content. Use when user says 'enrich a company', 'look up a company', or 'find info on a company'.

ClawHub Agent Skills автор: jzargona v1.0.1 MIT-0 5 файлов тело ≈ 830 токенов Открыть источникclawhub.ai↗ проанализирован 33 ч назад

Обогащение B2B-лидов с использованием веб-скрейпинга общедоступных данных и опционального извлечения метаданных LLM.

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

ПроцедураИИ и агентыПродажи и CRMБезопасностьтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Ошибки и развилки вес 10
50
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

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Missing closing "quote at line 17, column 45: not verified contacts — verify before use. ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
    • заметка frontmatter-key неизвестное поле фронтматтера "privacy"
    • заметка frontmatter-key неизвестное поле фронтматтера "compliance"

    Процессный рейтинг: все десять параметров 78/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 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: 38
    • 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)
    • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 279 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly matches lead enrichment, but its code collects scraped emails and includes outreach-draft generation that the user-facing docs say is not implemented.
    LLM: suspicious (high) · VirusTotal: · 2 июл. 2026 г.