SKILLEMALL.ai

AB rolling-suds-customer-quote-intake

Нормализует неструктурированные входные данные клиентов или продавцов Rolling Suds для работ по наружной чистке в чистую сводку, передачу оценщику, внутреннюю заметку для Workiz, вопросы для последующего контакта и флаги для ручной проверки. Используйте, когда входные данные представляют собой текстовое сообщение, вставленный чат, сводку звонка, адрес с заметками, фотографии с заметками или любой грубый запрос на услугу мойки домов, подъездных путей, патио, крыльца, тротуаров, террас, заборов или чистки окон.

машинный переводПоказать оригиналСкрыть оригинал«Normalize messy Rolling Suds customer or salesperson inputs for exteri…»

Normalize messy Rolling Suds customer or salesperson inputs for exterior cleaning jobs into a clean intake summary, estimator-ready handoff, Workiz-friendly internal note, follow-up questions, and manual-review flags. Use when the input is a text message, pasted chat, call summary, address plus notes, photos plus notes, or any rough service request for house washing, driveways, patios, porches, sidewalks, decks, fences, or window cleaning.

ClawHub Agent Skills автор: Michael D v0.1.10 MIT-0 5 файлов тело ≈ 1 831 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Нормализует неструктурированные входные данные клиентов или продавцов Rolling Suds для работ по наружной чистке в чистую сводку, передачу оценщику, внутреннюю…

Как процесс B 73/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Отчётность по ходу вес 2
0
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 73/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Ошибки и развилки. Развилок: 11
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 98
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1831 токенов
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 443 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 98 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This markdown-only skill formats customer quote intake into internal notes and handoffs, with no code execution or system access, though it may handle user-supplied customer details.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.