SKILLEMALL.ai

AC bank-card-scenario-analysis

Анализ банковских карт в контексте сценариев (позиционирование дебетовых/кредитных карт, профиль клиента, комбинация преимуществ, сравнение с конкурентами). Используйте при анализе стратегий банковских карт для конкретных сценариев (карты для питомцев, карты для учебы за границей и т. д.), сравнении позиционирования дебетовых и кредитных карт, оценке комбинаций преимуществ или создании одностраничных сводок по стратегии.

машинный переводПоказать оригиналСкрыть оригинал«银行卡场景化策略分析(借记卡/信用卡产品定位、客群画像、权益组合、竞品对比)。Use when analyzing bank card pr…»

银行卡场景化策略分析(借记卡/信用卡产品定位、客群画像、权益组合、竞品对比)。Use when analyzing bank card product strategies for specific scenarios (pet cards, study abroad cards, etc.), comparing debit vs credit positioning, evaluating权益组合, or building one-page strategy summaries.

ClawHub Agent Skills автор: scubiry-glitch v1.0.0 MIT-0 2 файла тело ≈ 173 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Анализ банковских карт в контексте сценариев (позиционирование дебетовых/кредитных карт, профиль клиента, комбинация преимуществ, сравнение с конкурентами).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторМаркетингтип 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
C
53/100
Есть пробелы
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

    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 53/100

    • 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
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 173 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 244 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 22 пунктов

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

    Внешние проверки

    ClawHub: clean
    This is a low-capability advisory skill for bank card product strategy analysis, with no evidence of code execution, credential access, persistence, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.