SKILLEMALL.ai

BC ecommerce-after-sales

Skill для стандартизированных ответов службы поддержки клиентов в электронной коммерции. Используется для поддержки сотрудников службы поддержки в быстром создании ответов, соответствующих стандартам обслуживания бренда, охватывающих три типа распространенных сценариев послепродажного обслуживания: (1) Запросы на возврат/обмен — когда пользователь запрашивает возврат, обмен, возврат без объяснения причин в течение семи дней; (2) Консультации по проблемам с логистикой — когда пользователь сообщает о проблемах с логистикой, таких как задержка, потеря, неправильная доставка, повреждение; (3) Переговоры о компенсации после продажи — когда пользователь недоволен результатом послепродажного обслуживания и требует компенсации, возмещения или возврата разницы в цене. Активируется, когда запрос пользователя касается возврата/обмена в электронной коммерции, проблем с логистикой, переговоров о компенсации. Применяется для сотрудников службы поддержки клиентов в электронной коммерции для многократного использования в любых сценариях послепродажного обслуживания для создания соответствующих нормам, единообразных и профессиональных ответов.

машинный переводПоказать оригиналСкрыть оригинал«电商售后客服规范应答Skill。用于支撑客服人员快速生成符合品牌服务规范的应答内容,覆盖三类高频售后场景:(1) 退换货申请——用户发起退货…»

电商售后客服规范应答Skill。用于支撑客服人员快速生成符合品牌服务规范的应答内容,覆盖三类高频售后场景:(1) 退换货申请——用户发起退货、换货、七天无理由等诉求;(2) 物流异常咨询——用户反馈物流停滞、丢件、错件、破损等异常;(3) 售后补偿协商——用户对售后结果不满,要求补偿、赔偿、差价退还等。当用户咨询涉及电商售后退换货、物流异常、补偿协商时触发此Skill。适用于电商客服人员在任何售后咨询场景下重复调用以生成合规、统一、专业的应答话术。

ClawHub Agent Skills автор: terrycarter1985 v1.0.0 MIT-0 2 файла тело ≈ 572 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Skill для стандартизированных ответов службы поддержки клиентов в электронной коммерции.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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

  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: 2. 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 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: 47
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 572 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 226 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 47 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a prompt-only ecommerce customer-service response aid with no code, installs, hidden actions, or suspicious scanner findings.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.