SKILLEMALL.ai
GitHub ↗ EN Войти

BC visit-management

Управление планом посещений и напоминания. На основе реальной таблицы Excel (Meilan Center C+ Service.xlsx) генерирует план посещений и напоминает о задачах посещения. Сценарии запуска: (1) Ежедневное плановое задание в 09:00 генерирует напоминание о посещении, (2) По понедельникам в 09:00 генерирует план посещений на неделю, (3) Ручной запуск управления посещениями (@企服助手 走访管理).

машинный переводПоказать оригиналСкрыть оригинал«走访计划管理与提醒技能。基于真实Excel台账（美兰中心C+服务.xlsx）生成走访计划，提醒走访任务。触发场景：(1) 定时任务每日09:…»

走访计划管理与提醒技能。基于真实Excel台账（美兰中心C+服务.xlsx）生成走访计划，提醒走访任务。触发场景：(1) 定时任务每日09:00生成走访提醒，(2) 每周一09:00生成本周走访计划，(3) 手动触发走访管理（@企服助手 走访管理）。

ClawHub Agent Skills автор: perrykono-debug v2.0.0 MIT-0 9 файлов тело ≈ 4 609 токенов Открыть источникclawhub.ai↗ проанализирован 30 ч назад

Управление планом посещений и напоминания.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelДанные и аналитикатип 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
83/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Секреты в коде secret-high-entropy-token scripts/visit_manager.py:265
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    '企微群ID': 'wrkS…8nQ'
    в кавычках

Просканировано файлов: 9. 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 52/100

  • 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
  • 70Стоимость исполнения. Тело инструкции 4609 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -216 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -35 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 125 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (14 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: clean
This skill openly reads a local customer Excel ledger to create visit plans and reminders, with sensitive but purpose-aligned local persistence and no evidence of hidden exfiltration or malware.
LLM: benign (medium) · VirusTotal: · 8 июн. 2026 г.