AB prospecting
Проактивный поиск потенциальных клиентов в сфере B2B-производства. Поиск потенциальных клиентов в Google Maps на основе профилей существующих клиентов, обогащение лидов бизнес-данными, оценка и ранжирование, а также вывод готовых к использованию CSV + JSON списков лидов с индивидуальными предложениями для продаж. Включает стратегию сетевых магазинов: локальный звонок → определение цепочки принятия решений о закупках → эскалация в корпоративный центр. Используйте для: поиска новых клиентов, поиска потенциальных клиентов, генерации лидов, поиска потенциальных клиентов, составления списка для обзвона или когда пользователь упоминает существующих клиентов, похожих на которых он хочет найти.
машинный переводПоказать оригиналСкрыть оригинал«B2B manufacturing proactive prospecting. Search Google Maps for potent…»
B2B manufacturing proactive prospecting. Search Google Maps for potential customers based on existing client profiles, enrich leads with business details, score and rank them, and output actionable CSV + JSON lead lists with custom sales openers. Includes chain store strategy: local call → identify procurement decision chain → escalate to corporate. Use when: finding new customers, prospecting, lead generation, searching for potential clients, building a call list, or when user mentions existing customers they want to find more like.
Проактивный поиск потенциальных клиентов в сфере B2B-производства.
Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 5703 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "last_updated" - заметка
frontmatter-keyнеизвестное поле фронтматтера "changelog" - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers"
Процессный рейтинг: все десять параметров 65/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 5703 токенов
- 85Шаги. Шагов: 56, расплывчатых формулировок: 3
- 100Инструменты и файлы. Внешние инструменты не нужны
- 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
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
- -220 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +3Длина description 539 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 56 пунктов
- +4Есть примеры (13 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 7)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.