SKILLEMALL.ai

BC bigfocus

🎯 BigFocus · Трекер — отслеживание цен на товары и оповещение о снижении цен. Отслеживает цены на товары/динамику звезд/информацию об отрасли/пользовательские метрики, автоматически сообщает об изменениях, поддерживает оповещение о снижении цен, мониторинг колебаний цен, обновление динамики кумиров, отслеживание отраслевых новостей. Включает возможности периодического и поэтапного push-уведомления по всем каналам. | Трекер цен и монитор оповещений — оповещения о снижении цен, обновления от знаменитостей, новости отрасли, пользовательские метрики.

машинный переводПоказать оригиналСкрыть оригинал«🎯 BigFocus · 追踪管家 — 商品价格监控与降价提醒。追踪商品价格/明星动态/行业信息/自定义指标,变动时自动汇报,支持降价提醒…»

🎯 BigFocus · 追踪管家 — 商品价格监控与降价提醒。追踪商品价格/明星动态/行业信息/自定义指标,变动时自动汇报,支持降价提醒、价格波动监控、偶像动态更新、行业资讯追踪。包含定时推送与全渠道分段推送能力。| Price tracker & alert monitor — price drop alerts, celebrity updates, industry news, custom metrics.

ClawHub Agent Skills автор: kobenfang v1.0.3 MIT-0 5 файлов · 1 скрипт тело ≈ 1 304 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

🎯 BigFocus · Трекер — отслеживание цен на товары и оповещение о снижении цен.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1304 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • -219 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (10 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This skill is a coherent tracker, but it needs Review because persistent tracking and scheduled network checks are under-scoped in a few important places.
LLM: suspicious (high) · 26 авг. 2026 г.