SKILLEMALL.ai

BC restaurant-business-analyst

Навык панорамного анализа бизнес-моделей в индустрии общественного питания. Введите бренд или тип заведения общественного питания, и автоматически будет сгенерирован комплексный отчет "стратегия + тактика + метрики". Поддерживается вывод в двух форматах: HTML + PDF, с указанием достоверности данных. Охватывает 8 основных типов заведений: фастфуд/чайные напитки/хот-пот/рестораны/кофейни/пекарни/тушеные продукты/готовые блюда. Ключевые слова: анализ бизнес-модели [бренда], анализ стратегии [бренда], анализ кейсов [типа заведения], оборачиваемость [бренда] и эффективность площади, разбор стратегии роста [бренда], франчайзинговая модель [бренда], сравнение [бренда А] и [бренда Б], модель цепочки поставок [бренда].

машинный переводПоказать оригиналСкрыть оригинал«餐饮行业商业模式全景分析 Skill。输入餐饮品牌或业态,自动生成"战略+策略+指标"三位一体分析报告。 支持 HTML + PDF 双格式…»

餐饮行业商业模式全景分析 Skill。输入餐饮品牌或业态,自动生成"战略+策略+指标"三位一体分析报告。 支持 HTML + PDF 双格式输出,含数据置信度标注。 覆盖快餐/茶饮/火锅/正餐/咖啡/烘焙/卤味/预制菜等8大业态。 触发词:分析[品牌]商业模式、[品牌]战略分析、[业态]案例分析、[品牌]翻台率坪效、 拆解[品牌]增长策略、[品牌]加盟模式、对比[品牌A]和[品牌B]、[品牌]供应链模式

ClawHub Agent Skills автор: louise v1.0.0 MIT-0 7 файлов тело ≈ 612 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык панорамного анализа бизнес-моделей в индустрии общественного питания.

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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 7. 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: 38
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 612 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
  • +4Нет примеров входа/выхода
  • -219 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 204 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

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

Внешние проверки

ClawHub: clean
This is a coherent restaurant business analysis skill whose online search and local report output are disclosed and fit its purpose.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.