SKILLEMALL.ai

BB invoice-tracker

Отслеживание счетов и расходов с помощью ИИ на естественном языке. Ведение локального реестра, создание ежемесячных отчетов по категориям/поставщикам, экспорт в CSV для QuickBooks/Xero, поддержка мультивалютности и еженедельные сводки расходов. Скажите «Я заплатил 500 долларов AWS 1 марта», и это будет мгновенно учтено.

машинный переводПоказать оригиналСкрыть оригинал«AI-powered invoice and expense tracking from natural language. Maintai…»

AI-powered invoice and expense tracking from natural language. Maintain a local ledger, generate monthly reports by category/vendor, export to CSV for QuickBooks/Xero, multi-currency support, and weekly spending summaries. Say "I paid $500 to AWS on March 1st" and it's tracked instantly.

ClawHub Hermes автор: PhilipStark v1.0.0 MIT-0 4 файла тело ≈ 1 634 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Отслеживание счетов и расходов с помощью ИИ на естественном языке.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ГенераторAWSДанные и аналитикаФинансыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Согласованность вес 8
40
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 288 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл

Процессный рейтинг: все десять параметров 67/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Согласованность. Имя во frontmatter (invoice-tracker) не совпадает с папкой (fl-invoice-tracker)
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 60
  • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 1634 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • +2Инструкции на одном языке
  • +3Длина description 288 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This is a local expense-tracking skill whose financial data writes are disclosed and purpose-aligned, though users should treat the generated files as sensitive.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.