SKILLEMALL.ai

AD car-negotiator

Ведение переговоров о покупке/лизинге автомобилей: исследование MSRP/себестоимости/скидок/запасов, расчет общей стоимости/платежа, генерация сценариев/вопросов/предложений/электронных писем с использованием зеркалирования/меток/откалиброванных вопросов/модели Акермана. Используйте для "negotiate [car]", "lease [model]", "best price [vehicle]", сравнения покупки и лизинга. По умолчанию ET/US.

машинный переводПоказать оригиналСкрыть оригинал«Negotiate car buy/lease deals: Research MSRP/invoice/rebates/inventory…»

Negotiate car buy/lease deals: Research MSRP/invoice/rebates/inventory, calc total cost/payment, generate scripts/questions/bids/emails using mirroring/labels/calibrated questions/Ackerman model. Use for "negotiate [car]", "lease [model]", "best price [vehicle]", buy vs lease comparisons. ET/US default.

ClawHub Agent Skills автор: ml348126 v1.0.0 MIT-0 6 файлов тело ≈ 163 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Ведение переговоров о покупке/лизинге автомобилей: исследование MSRP/себестоимости/скидок/запасов, расчет общей стоимости/платежа, генерация…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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

    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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Negotiate car buy/lease deals: Research MSRP/invoice/rebates/inven… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 46/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 7
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 163 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Структура: 2 заголовков, инструкции сложно сканировать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 304 символов: достаточно сигнала, не съедает бюджет
    • +3Пошаговые инструкции: 7 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

    Внешние проверки

    ClawHub: clean
    This is a transparent car-shopping helper that researches public pricing, runs a simple local calculator, and drafts negotiation text without hidden account access or automatic purchases.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.