AB sherpamind
Используйте для запросов, связанных с SherpaDesk: поиск тикетов, получение истории поддержки, анализ учетных записей/пользователей/техников, проверка устаревших тикетов, вопросы о рабочей нагрузке, операционная отчетность и вопросы на естественном языке по данным SherpaDesk. Этот навык представляет собой локальный бэкенд SherpaDesk плюс слой запросов OpenClaw: он требует учетных данных API SherpaDesk для настройки в реальном времени, создает локальное состояние среды выполнения в `.SherpaMind/` и может установить необязательную фоновую службу на уровне пользователя. Активируйте, когда пользователь упоминает SherpaDesk или спрашивает о тикетах, проблемах поддержки, клиентах/учетных записях, техниках, истории разрешений, повторяющихся инцидентах, бэклоге, времени ответа или аналогичном анализе операционной деятельности поддержки.
машинный переводПоказать оригиналСкрыть оригинал«Use for SherpaDesk-related requests: ticket lookup, support-history re…»
Use for SherpaDesk-related requests: ticket lookup, support-history retrieval, account/user/technician analysis, stale-ticket review, workload questions, operational reporting, and open-ended natural-language questions about SherpaDesk data. This skill is a local SherpaDesk backend plus OpenClaw query layer: it requires SherpaDesk API credentials for live setup, creates workspace-local runtime state under `.SherpaMind/`, and may install an optional user-level background service. Trigger when the user mentions SherpaDesk or asks about tickets, support issues, clients/accounts, technicians, resolution history, recurring incidents, backlog, response timing, or similar support-operations analysis.
Используйте для запросов, связанных с SherpaDesk: поиск тикетов, получение истории поддержки, анализ учетных записей/пользователей/техников, проверка…
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск
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: 46. 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 67/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 122, расплывчатых формулировок: 1
- 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2715 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Ответ описан самодельной разметкой (23 тегов): типизированный вызов надёжнее
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 702 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 122 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (8 из 13)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.