BD price-probe-zero
> Заменяет оператора 1-й линии на 60-80%. Полноценный AI-отдел поддержки клиентов: автоматическая категоризация обращений, SLA-трекинг с алертами, эскалационная матрица L1→L2→L3, sentiment analysis, 15+ шаблонов ответов, NPS/CSAT аналитика, онбординг операторов, CRM-интеграция (Bitrix24/amoCRM). 10 режимов работы. Русский язык нативно. Экономит 15-30К руб/мес на зарплате операторов. Customer support AI replacing Tier-1 support agents by 60-80%. SLA tracking, ticket routing, escalation matrix L1/L2/L3, sentiment analysis, CRM integration. Russian language native. Dogfooded at RAAI.
Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Not a YAML token: Заменяет оператора 1-й линии на 60-80%. Полноценный AI-отдел поддержки клиентов: автоматическая категоризация обращений, SLA-трекинг с алертами, эскалационная матрица L1→L2→L3, sentiment analysis, 15+ шаблонов ответов, NPS/CSAT аналитика, онбординг операторов, CRM-интеграция (Bitrix24/amoCRM). 10 режимов работы. Русский язык нативно. Экономит 15-30К руб/мес на зарплате операторов. Customer support AI replacing Tier-1 support agents by 60-80%. SLA tracking, ticket routing, escalation matrix L1/L2/L3, sentiment analysis, CRM integration. Russian language native. Dogfooded at RAAI. at line 3, column 16: description: > Заменяет оператора 1-й линии на 60-80%. Полноценный AI-отдел под… ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 9313 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers" - заметка
frontmatter-keyнеизвестное поле фронтматтера "target_client"
Процессный рейтинг: все десять параметров 45/100
- 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 (price-probe-zero) не совпадает с папкой (raai-price-probe-zero-20260421)
- 40Стоимость исполнения. Тело инструкции 9313 токенов: вытесняет саму задачу из окна
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 23
- 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: 0 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
- +1Лицензия не указана
- +3Длина description 587 символов: достаточно сигнала, не съедает бюджет
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (41 блоков кода)
- +2Инструкции двуязычные (RU + EN)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 39.