SKILLEMALL.ai

BC qsr-ghost-inventory-hunter

Выявляет неучтенные потери инвентаря в ресторанном бизнесе путем сопоставления объемов продаж с теоретической выходами по рецептам. Определяет, являются ли недостающие продукты кражей, избыточным порционированием, неучтенными отходами или ошибками при приготовлении. Создано генеральным менеджером ресторана быстрого питания с 16-летним опытом работы в ресторанном бизнесе.

машинный переводПоказать оригиналСкрыть оригинал«Identifies unaccounted inventory loss in restaurant operations by cros…»

Identifies unaccounted inventory loss in restaurant operations by cross-referencing sales volume against theoretical recipe yields. Pinpoints whether missing product is theft, over-portioning, unrecorded waste, or prep errors. Built by a QSR GM with 16 years in restaurant operations.

ClawHub Agent Skills автор: McPherson AI v1.0.2 MIT-0 4 файла тело ≈ 2 971 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Выявляет неучтенные потери инвентаря в ресторанном бизнесе путем сопоставления объемов продаж с теоретической выходами по рецептам.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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: 4. 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 60/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 70Ошибки и развилки. Развилок: 6
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 46
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2971 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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
  • +2Инструкции на одном языке
  • +3Длина description 284 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 46 пунктов
  • +4Есть примеры (1 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a disclosed restaurant inventory-analysis skill with no executable code, external data transfer, or hidden authority.
LLM: benign (high) · VirusTotal: · 17 авг. 2026 г.