SKILLEMALL.ai
GitHub ↗ EN Войти

BD 风险大盘

Предоставляет руководителю по внутреннему контролю комплексное панорамное представление о рисках, объединяя три аспекта: жалобы, логистические аномалии и оценки поставщиков. Создает карту рисков в реальном времени, отправляет предупреждения и прогнозирует тенденции, помогая руководству принимать быстрые решения. v1.7 Добавлено: унифицированное использование GLOSSARY.md, INSUFFICIENCY-HANDLING.md, RULE-UPDATE-SOP.md.

машинный переводПоказать оригиналСкрыть оригинал«为内控负责人提供全链路风险全景视图， 整合投诉、物流异常、供应商评分三个维度， 生成实时风险热力图、预警推送和趋势预判，支持管理层快速决策。…»

为内控负责人提供全链路风险全景视图， 整合投诉、物流异常、供应商评分三个维度， 生成实时风险热力图、预警推送和趋势预判，支持管理层快速决策。 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 ≈ 2 016 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Предоставляет руководителю по внутреннему контролю комплексное панорамное представление о рисках, объединяя три аспекта: жалобы, логистические аномалии и…

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
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 (风险大盘) не совпадает с папкой (inter-control-07-risk-dashboard)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Стоимость исполнения. Тело инструкции 2016 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • -213 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 141 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (17 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This is an instruction-only internal risk dashboard skill, with no code execution or credential access, but automated report delivery should be configured carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.