SKILLEMALL.ai

AC home-appliance-analyst

Эксперт по анализу индустрии бытовой техники. Охватывает четыре основные категории: кухонная техника, бытовая техника, личная гигиена и уход, крупная бытовая техника. Поддерживает: сбор отраслевой информации, анализ рыночной ситуации, исследование сравнения цен на продукты, анализ цепочки поставок, анализ принципов работы и технологической эволюции продуктов, запрос стандартов соответствия, а также генерацию отчетов по запросу. Активируется, когда пользователь задает вопросы, связанные с индустрией бытовой техники, включая, но не ограничиваясь: поиск данных о рынке бытовой техники, анализ категории/бренда/модели, запрос требований к национальным стандартам, анализ структуры и стоимости продукта, сравнение конкурентов, идентификация ребрендинга, требования к региональному соответствию, принципы работы продукта, маршруты технологических итераций, технические вопросы, такие как удаление формальдегида/очистка, отчеты об анализе индустрии бытовой техники и т. д.

машинный переводПоказать оригиналСкрыть оригинал«家电行业分析专家技能。涵盖厨房电器、生活电器、个人护理保健、大家电四大品类。支持:行业信息搜集、市场大盘分析、产品比价研究、供应链拆解、产品…»

家电行业分析专家技能。涵盖厨房电器、生活电器、个人护理保健、大家电四大品类。支持:行业信息搜集、市场大盘分析、产品比价研究、供应链拆解、产品原理与技术演进分析、合规标准查询,以及按需生成调研报告。当用户询问家电行业相关问题时触发,包括但不限于:搜索家电市场数据、分析某品类/品牌/型号、查询国标认证要求、拆解产品结构与成本、竞品对比、换皮识别、区域合规要求、产品工作原理、技术迭代路线、除醛/净化等技术问题、家电行业分析报告等。

ClawHub Agent Skills автор: konnyacer v1.0.0 MIT-0 52 файла тело ≈ 1 023 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Эксперт по анализу индустрии бытовой техники.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 52. 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")

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: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1023 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

  • +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 214 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 5)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This appliance-analysis skill is mostly a plain reference-and-search skill, but one disinfectant-generator reference contains overconfident safety/use claims that users should review before relying on it.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.