SKILLEMALL.ai
GitHub ↗ EN Войти

BD leads-pro

Система генерации и квалификации лидов: идеальный профиль клиента (ICP), выбор источника, привлечение, взращивание, реактивация, скоринг и отчетность по воронке продаж.

машинный переводПоказать оригиналСкрыть оригинал«Lead generation and qualification system: ICP, source selection, outre…»

Lead generation and qualification system: ICP, source selection, outreach, nurture, reactivation, scoring and pipeline reporting.

ClawHub Agent Skills автор: RAAIPRO v3.5.4 MIT-0 39 файлов · 3 скрипта тело ≈ 17 337 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Система генерации и квалификации лидов: идеальный профиль клиента (ICP), выбор источника, привлечение, взращивание, реактивация, скоринг и отчетность по…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктураПродажи и CRMДанные 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
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
50
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 38. 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")
  • предупреждение body-long тело SKILL.md ≈ 17337 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "price"
  • заметка frontmatter-key неизвестное поле фронтматтера "price_currency"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 10Стоимость исполнения. Тело инструкции 17337 токенов: вытесняет саму задачу из окна
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (leads-pro) не совпадает с папкой (raai-leads-pro)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 18
  • 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)
  • +4Структура: 1 заголовков, инструкции сложно сканировать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -5Длинный текст без заголовков
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +3Длина description 129 символов: достаточно сигнала, не съедает бюджет
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (19 блоков кода)
  • +1Лицензия указана
  • +2Инструкции двуязычные (RU + EN)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 50.

Внешние проверки

ClawHub: clean
This is a lead-generation template skill with real privacy and outreach cautions, but it does not show hidden data collection, automatic sending, exfiltration, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.