BD 物流异常预警
Мониторинг аномалий заказов Cainiao Logistics, классификация предупреждений и сопоставление стандартов компенсации. На основе правил сроков доставки Taobao/Tmall (последняя версия 2024), стандартов компенсации Cainiao Special Line и эталонных данных SLA логистики отрасли, помогает сотрудникам внутреннего контроля быстро выявлять аномальные заказы, прогнозировать риски и давать рекомендации по обработке и бюджету компенсации. v1.7 Добавлено: правила детализации AE-03 (возврат/удаленный/неупорядоченный), правила сопоставления рейтинга поставщиков AE-10, уточнение правил максимальной компенсации, унифицированное цитирование GLOSSARY.md+INSUFFICIENCY-HANDLING.md+RULE-UPDATE-SOP.md.
машинный переводПоказать оригиналСкрыть оригинал«对菜鸟物流订单进行异常监控、预警分级和赔偿标准匹配。 基于淘宝/天猫物流时效规则（2024最新版）、菜鸟专线赔付标准 和行业物流SLA基准数…»
对菜鸟物流订单进行异常监控、预警分级和赔偿标准匹配。 基于淘宝/天猫物流时效规则（2024最新版）、菜鸟专线赔付标准 和行业物流SLA基准数据，帮助内控人员快速识别异常订单、 预判风险并给出处置建议和赔偿预算。 v1.7 新增：AE-03细分规则（退件/异地/乱序）、AE-10联动供应商评分规则、赔偿封顶规则明确化、统一引用 GLOSSARY.md+INSUFFICIENCY-HANDLING.md+RULE-UPDATE-SOP.md。
Мониторинг аномалий заказов Cainiao Logistics, классификация предупреждений и сопоставление стандартов компенсации.
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "data_sources" - заметка
frontmatter-keyнеизвестное 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 (物流异常预警) не совпадает с папкой (03-logistics-alert)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 22
- 100Стоимость исполнения. Тело инструкции 2026 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. 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
- -226 эмодзи в инструкциях: шум для модели
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 221 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 27 заголовков
- +3Пошаговые инструкции: 22 пунктов
- +4Есть примеры (11 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.