SKILLEMALL.ai

BD 投诉智能分类

На основе национального стандарта GB/T 42499-2023 и правил платформы Alibaba, интеллектуально классифицирует жалобы пользователей, определяет приоритеты, устанавливает виновную сторону и предлагает распределение. Применимо к трем бизнес-линиям: Cainiao Logistics, Cainiao Post и Taobao Flash Purchase. v1.7 Добавлено: унифицированное использование GLOSSARY.md, INSUFFICIENCY-HANDLING.md, RULE-UPDATE-SOP.md.

машинный переводПоказать оригиналСкрыть оригинал«基于 GB/T 42499-2023 国家标准和阿里巴巴平台规则, 对用户投诉进行智能分类、优先级评定、责任方判断和派发建议。 适用于菜鸟物…»

基于 GB/T 42499-2023 国家标准和阿里巴巴平台规则, 对用户投诉进行智能分类、优先级评定、责任方判断和派发建议。 适用于菜鸟物流、菜鸟驿站、淘宝闪购三条业务线。 v1.7 新增:统一引用 GLOSSARY.md、INSUFFICIENCY-HANDLING.md、RULE-UPDATE-SOP.md。

ClawHub Agent Skills автор: nic-yuan v1.0.0 MIT-0 4 файла тело ≈ 1 769 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

На основе национального стандарта GB/T 42499-2023 и правил платформы Alibaba, интеллектуально классифицирует жалобы пользователей, определяет приоритеты…

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

СправочникЛогистика и складИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "data_sources"
  • заметка frontmatter-key неизвестное поле фронтматтера "reference"

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 (投诉智能分类) не совпадает с папкой (01-complaint-classification)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 25
  • 100Стоимость исполнения. Тело инструкции 1769 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 16. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 158 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
The skill appears to be a complaint-processing aid with a privacy hygiene gap in its examples, not evidence of malicious or hidden behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.