SKILLEMALL.ai

AB dripcampaignskill

Используйте, когда Codex, Hermes, OpenClaw, Claude Code, Cowork или другой ИИ-агент должен спланировать, проверить, реализовать, проанализировать или улучшить работу с электронной почтой, ориентированную на потоки поддержки по времени, ветвящуюся логику, триггеры оценки лидов и анализ конверсии. Триггеры включают запросы о планировании последовательности поддержки, триггерах оценки лидов, анализе оттока, передаче продаж и потоках обучения по времени.

машинный переводПоказать оригиналСкрыть оригинал«Use when Codex, Hermes, OpenClaw, Claude Code, Cowork, or another AI a…»

Use when Codex, Hermes, OpenClaw, Claude Code, Cowork, or another AI agent needs to plan, review, implement, audit, or improve email work focused on time-based nurture streams, branching logic, lead scoring hooks, and conversion analysis. Triggers include requests about nurture sequence planning, lead scoring hooks, drop-off analysis, sales handoffs, and timed education streams.

ClawHub Agent Skills автор: polnikale v0.1.0 MIT-0 4 файла тело ≈ 675 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

Используйте, когда Codex, Hermes, OpenClaw, Claude Code, Cowork или другой ИИ-агент должен спланировать, проверить, реализовать, проанализировать или улучшить…

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураПродажи и CRMРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 65/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 21
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 675 токенов

    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)
    • +4Нет примеров входа/выхода
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 381 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

    Внешние проверки

    ClawHub: clean
    This skill provides marketing drip-campaign planning guidance and includes clear approval gates before any live email-system changes.
    LLM: benign (high) · VirusTotal: · 21 июн. 2026 г.