SKILLEMALL.ai

AD travel-expense-reimbursement

Автоматизация процесса возмещения командировочных расходов, поддержка автоматического получения, парсинга и подачи на возмещение электронных счетов-фактур от 12306 (билеты на поезд), Ctrip (авиабилеты/отели), Huazhu (отели), Meituan, Air China, Baiwang и др. Поддерживает два способа получения счетов-фактур: загрузка вложений из электронной почты и загрузка по ссылке. Условия срабатывания: пользователь упоминает возмещение командировочных расходов, возмещение билетов на поезд, счета-фактуры 12306, счета-фактуры Ctrip, счета-фактуры Huazhu, возмещение отелей, возмещение авиабилетов, электронные билеты, счета-фактуры Meituan, авиационные счета-фактуры, счета-фактуры Baiwang и т. д.

машинный переводПоказать оригиналСкрыть оригинал«自动化差旅费用报销流程,支持12306火车票、携程机票/酒店、华住会酒店、美团、吉祥航空、百望等电子发票的自动获取、解析和报销提交。支持邮件…»

自动化差旅费用报销流程,支持12306火车票、携程机票/酒店、华住会酒店、美团、吉祥航空、百望等电子发票的自动获取、解析和报销提交。支持邮件附件下载和链接下载两种发票获取方式。触发条件:用户提及差旅报销、火车票报销、12306发票、携程发票、华住会发票、酒店报销、机票报销、电子客票、美团发票、航空发票、百望发票等。

ClawHub Agent Skills автор: sangjie v1.0.1 MIT-0 8 файлов тело ≈ 1 538 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Автоматизация процесса возмещения командировочных расходов, поддержка автоматического получения, парсинга и подачи на возмещение электронных счетов-фактур от…

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

ПроцедураPlaywrightРазработкаФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 8. 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 (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1538 токенов
  • 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 158 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This skill is purpose-built for travel reimbursement, but it can read email, download invoice links, store sensitive travel data, and submit financial forms without enough explicit approval gates.
LLM: suspicious (high) · VirusTotal: · 3 июн. 2026 г.