SKILLEMALL.ai

BD inventory-anomaly-prediction

Инструмент для создания систем обнаружения аномалий в запасах и прогнозирования спроса. Используйте, когда пользователю необходимо создать систему управления запасами, реализовать алгоритмы обнаружения аномалий, разработать функции прогнозирования спроса (например, модель ARIMA), создать систему предупреждения о запасах. Особенно подходит для производства, розничной торговли, управления запасными частями и других сценариев, где требуется обработка данных Excel, обнаружение аномалий в запасах, прогнозирование будущего спроса и создание отчетов.

машинный переводПоказать оригиналСкрыть оригинал«库存异常检测和需求预测系统生成工具。当用户需要搭建库存管理系统、实现异常检测算法、开发需求预测功能(如ARIMA模型)、创建库存预警系统时使…»

库存异常检测和需求预测系统生成工具。当用户需要搭建库存管理系统、实现异常检测算法、开发需求预测功能(如ARIMA模型)、创建库存预警系统时使用此skill。特别适用于制造业、零售业、备件管理等场景,需要处理Excel数据、检测库存异常、预测未来需求并生成报告的情况。

ClawHub Agent Skills автор: Vincent_Openclaw v1.0.0 MIT-0 13 файлов тело ≈ 884 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент для создания систем обнаружения аномалий в запасах и прогнозирования спроса.

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

ПроцедураExcelИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

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 (inventory-anomaly-prediction) не совпадает с папкой (inventory-anomaly)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 86
  • 100Стоимость исполнения. Тело инструкции 884 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
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 133 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +3Пошаговые инструкции: 86 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a local inventory forecasting template that reads and writes project Excel/report files, with no evidence of hidden network access, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.