SKILLEMALL.ai

AC ecommerce-returns-reply

Шаблон подсказок для стандартизированных ответов службы поддержки клиентов электронной коммерции по вопросам возврата и обмена. Используется для генерации ответов на запросы о возврате/обмене, которые соответствуют правилам послепродажного обслуживания платформы, имеют дружелюбный тон и точную информацию. Применимые сценарии: (1) Покупатель запрашивает процедуру возврата/обмена, (2) Покупатель спрашивает о сроках возврата средств или оплате доставки, (3) Покупатель сообщает о проблемах с качеством товара, требующих возврата/обмена, (4) Покупатель имеет вопросы по отклоненному возврату/обмену, (5) Любые ответы службы поддержки, касающиеся возврата, обмена, возврата средств, страховки доставки, политики послепродажного обслуживания. Триггерные слова: возврат, обмен, возврат средств, возврат/обмен, доставка, послепродажное обслуживание, семь дней без причины, проблемы с качеством, отправлен не тот товар, возврат.

машинный переводПоказать оригиналСкрыть оригинал«电商客服退换货标准化应答提示词模板。用于生成符合平台售后规则、语气友好且信息准确的 退换货咨询回复。适用场景:(1) 买家咨询退货/换货流程…»

电商客服退换货标准化应答提示词模板。用于生成符合平台售后规则、语气友好且信息准确的 退换货咨询回复。适用场景:(1) 买家咨询退货/换货流程,(2) 买家询问退款时效或运费承担, (3) 买家反馈商品质量问题需退换,(4) 买家对退换货被拒有疑问, (5) 任何涉及退、换、退款、运费险、售后政策的客服应答。 触发词:退货、换货、退款、退换、运费、售后、七天无理由、质量问题、发错货、退回。

ClawHub Agent Skills автор: terrycarter1985 v1.0.0 MIT-0 3 файла тело ≈ 396 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Шаблон подсказок для стандартизированных ответов службы поддержки клиентов электронной коммерции по вопросам возврата и обмена.

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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 3. 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: 20
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 396 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 195 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

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

Внешние проверки

ClawHub: clean
The skill artifacts are coherent maintainer and Convex workflow instructions with disclosed high-impact actions and no evidence of hidden or malicious behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.