SKILLEMALL.ai

AC smart-hotel-search

Умный поиск отелей — обрабатывает нестандартные запросы по отелям (например, «тихий отель», «с животными», «бассейн-инфинити» и т. д.), сочетая поиск контента на Xiaohongshu и бронирование на Fliggy. Используйте, когда: (1) Пользователь ищет отель, но его потребности не могут быть выражены стандартными фильтрами (например, «отель, подходящий для пожилых людей», «хорошая звукоизоляция») (2) Пользователь упоминает сценарий использования (например, «куда поехать с собакой», «отель для инстаграм-фотосессий») (3) Необходимо найти рекомендации отелей на основе реальных отзывов пользователей. Не подходит для: стандартного поиска отелей (место назначения + дата + цена), в этом случае используйте flyai напрямую.

машинный переводПоказать оригиналСкрыть оригинал«智能酒店搜索 - 处理非标准酒店需求(如"安静酒店"、"宠物友好"、"无边泳池"等),结合小红书内容发现和飞猪预订对接。Use when:…»

智能酒店搜索 - 处理非标准酒店需求(如"安静酒店"、"宠物友好"、"无边泳池"等),结合小红书内容发现和飞猪预订对接。Use when: (1) 用户搜索酒店但需求无法用标准筛选表达(如"适合带老人的酒店"、"隔音好的酒店")(2) 用户提到场景化需求(如"带狗住哪"、"网红打卡酒店")(3) 需要从用户真实评价中找酒店推荐。不适用于:标准酒店搜索(目的地+日期+价格),这种情况直接使用flyai。

ClawHub Agent Skills автор: sgw153759-oss v1.0.0 MIT-0 4 файла тело ≈ 481 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Умный поиск отелей — обрабатывает нестандартные запросы по отелям (например, «тихий отель», «с животными», «бассейн-инфинити» и т.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: 智能酒店搜索 - 处理非标准酒店需求(如"安静酒店"、"宠物友好"、"无边泳池"等),结合小红书内容发现和飞猪预订对接。Use wh… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 61/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 481 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

    • +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
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 202 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: suspicious
    The skill has a coherent hotel-search purpose, but it asks users to install browser automation that can use a logged-in Xiaohongshu Chrome session without enough safety warnings or limits.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.