SKILLEMALL.ai

AD order-analytics

Генератор дашбордов для бизнес-анализа данных заказов. Когда пользователь предоставляет данные заказов в формате Excel/CSV (включая дату, сумму, ID пользователя, место/товар, время и т. д.) и хочет сгенерировать отчет по бизнес-анализу, диагностику бизнеса, анализ удержания/частоты пользователей, тепловую карту по времени, сравнение трендов, операционные планы, используйте этот навык. Сценарии применения: операционная деятельность залов (бадминтон/теннис/баскетбол/плавание), рестораны, розничные заказы, запись услуг и любые другие бизнес-сценарии с записями заказов. Поддерживает пользовательские цвета (загрузка логотипа или предоставление HEX/RGB значений) или выбор предустановленных тем. Триггерные слова: анализ заказов, диагностика бизнеса, анализ пользователей, анализ посещаемости, анализ удержания, анализ трендов, дашборд операций, бизнес-отчет, отчет по данным.

машинный переводПоказать оригиналСкрыть оригинал«订单数据业务分析仪表盘生成器。当用户提供订单Excel/CSV数据(含日期、金额、用户ID、场地/商品、时段等字段),需要生成业务分析报告、…»

订单数据业务分析仪表盘生成器。当用户提供订单Excel/CSV数据(含日期、金额、用户ID、场地/商品、时段等字段),需要生成业务分析报告、经营诊断、用户留存/频次分析、时段热力图、趋势对比、运营方案时,使用本技能。适用场景:场馆运营(羽毛球/网球/篮球/游泳)、餐饮门店、零售订单、服务业预约等任何有订单记录的业务场景。支持自定义配色(上传Logo图片或提供HEX/RGB色值)或选择预设主题。触发词:订单分析、经营诊断、用户分析、场次分析、留存分析、趋势分析、运营仪表盘、业务报告、数据报告。

ClawHub Agent Skills автор: AIjindouhua v0.1.0 MIT-0 7 файлов тело ≈ 1 901 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор дашбордов для бизнес-анализа данных заказов.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (order-analytics) не совпадает с папкой (business-data-analysis)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 10
  • 100Стоимость исполнения. Тело инструкции 1901 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 248 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (17 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill is a coherent local order-data report generator, with privacy and third-party resource caveats users should understand.
LLM: benign (high) · VirusTotal: · 25 июл. 2026 г.