SKILLEMALL.ai

AD xianyu-bargain

Помощник по автоматическому торгу на Xianyu: помогает пользователям автоматически торговаться с продавцами на платформе Xianyu. Поддерживает: генерацию фраз для торга, анализ стоимости товара, многоэтапные стратегии торга, автоматический мониторинг ответов, интеллектуальное отслеживание, пакетный торг. Сценарии использования: торг на Xianyu, обсуждение цены, пересмотр цены, торг на вторичном рынке, "поторгуйся за меня", "автоматический торг", "пакетный торг", "эта цена разумна?", "как торговаться с продавцом", отправка ссылки на товар Xianyu с вопросом о цене. Полностью автоматический режим: после установки целевой и минимальной цены автоматически отслеживает ответы продавца и ведет торг. Пакетный режим: автоматически торгуется по нескольким товарам одновременно, централизованный мониторинг и управление. ⚠️ Безопасность: никогда не оформляет заказы автоматически, только уведомляет пользователя.

машинный переводПоказать оригиналСкрыть оригинал«闲鱼全自动砍价助手:帮助用户在闲鱼平台与卖家自动砍价。 支持:生成讲价话术、分析商品价值、多轮砍价策略、自动监控回复、智能跟进、批量砍价。…»

闲鱼全自动砍价助手:帮助用户在闲鱼平台与卖家自动砍价。 支持:生成讲价话术、分析商品价值、多轮砍价策略、自动监控回复、智能跟进、批量砍价。 触发场景:闲鱼砍价、讲价、还价、二手交易谈价、"帮我砍价"、"自动砍价"、"批量砍价"、 "这个价格合理吗"、"怎么跟卖家讲价"、发送闲鱼商品链接询问价格。 全自动模式:设置目标价和底价后,自动监控卖家回复并智能跟进砍价。 批量模式:同时对多个商品进行自动砍价,统一监控管理。 ⚠️安全:绝不自动下单,只通知用户。

ClawHub Agent Skills автор: Robertren v1.0.1 MIT-0 10 файлов тело ≈ 1 669 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по автоматическому торгу на Xianyu: помогает пользователям автоматически торговаться с продавцами на платформе Xianyu.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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.
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: 10. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 38
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1669 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -236 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 227 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Есть примеры (15 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 4)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: suspicious
This instruction-only skill is aligned with automated bargaining, but it needs Review because it can keep monitoring a logged-in marketplace account and send seller messages automatically despite inconsistent approval rules.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.