SKILLEMALL.ai

BD 内控合规月报生成器

Автоматически генерирует структурированный ежемесячный отчет по соответствию на основе ежемесячных данных (количество жалоб, инциденты риска, рейтинг поставщиков, ситуация с аномальными доставками), сокращая ручную работу ответственных за внутренний контроль. Поддерживает комплексные ежемесячные отчеты для трех бизнес-линий (логистика Cainiao, почтовые отделения Cainiao, экспресс-доставка Taobao). Новое в v1.7: унифицированное использование GLOSSARY.md, INSUFFICIENCY-HANDLING.md, RULE-UPDATE-SOP.md.

машинный переводПоказать оригиналСкрыть оригинал«基于月度数据(投诉数量、风险事件、供应商评分、异常件情况), 自动生成结构化合规月报,减少内控负责人的人工汇总工作。 支持三个业务线(菜鸟物…»

基于月度数据(投诉数量、风险事件、供应商评分、异常件情况), 自动生成结构化合规月报,减少内控负责人的人工汇总工作。 支持三个业务线(菜鸟物流、菜鸟驿站、淘宝闪购)的综合月报。 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 2 файла тело ≈ 1 153 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматически генерирует структурированный ежемесячный отчет по соответствию на основе ежемесячных данных (количество жалоб, инциденты риска, рейтинг…

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%
66
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 2. 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 "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 (内控合规月报生成器) не совпадает с папкой (05-monthly-report)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 4
  • 100Стоимость исполнения. Тело инструкции 1153 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 159 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a prompt-only monthly compliance report template; it does not run code or access systems, but users should avoid pasting unnecessary sensitive details.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.