SKILLEMALL.ai

AB invoice-automation

Автоматизация счетов AR/AP для PrecisionLedger. Обрабатывает анализ задолженности, автоматизированную последовательность действий по напоминаниям, сверку платежей и оценку приоритетности взыскания. Используйте, когда вам нужно: (1) генерировать отчеты о задолженности AR/AP из данных счета, (2) составлять или отправлять напоминания о просроченных платежах, (3) сверять входящие платежи с открытыми счетами, (4) оценивать и приоритизировать взыскания. НЕ для: ввода счетов в QBO или любую клиентскую систему (только чтение), отправки сообщений клиентам без одобрения Irfan или замены суждений при разрешении споров.

машинный переводПоказать оригиналСкрыть оригинал«AR/AP invoice automation for PrecisionLedger. Handles aging analysis,…»

AR/AP invoice automation for PrecisionLedger. Handles aging analysis, automated follow-up sequencing, payment matching, and collection priority scoring. Use when you need to: (1) generate AR/AP aging reports from invoice data, (2) draft or send overdue payment follow-ups, (3) match incoming payments to open invoices, (4) score and prioritize collections. NOT for: entering invoices into QBO or any client system (read-only), sending client communications without Irfan approval, or replacing judgment on dispute resolution.

ClawHub Agent Skills автор: samledger67-dotcom v98.0.1 MIT-0 2 файла тело ≈ 1 975 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматизация счетов AR/AP для PrecisionLedger.

Как процесс B 70/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск, отчётность по ходу

АнализаторФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 2. 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 70/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1975 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 525 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (11 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This instruction-only invoice workflow skill handles sensitive accounting data but keeps its access and actions clearly bounded by human approval.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.