SKILLEMALL.ai

AD GOG Weekly Sales Analytics

Автоматизированный еженедельный рабочий процесс, который собирает скидки магазина GOG, анализирует полный набор данных игр со скидками с помощью Gemini, генерирует отчет с выводами в формате markdown и синхронизирует его с Feishu Drive. Используйте для регулярной отчетности о скидках на игры и распространения среди команды.

машинный переводПоказать оригиналСкрыть оригинал«Automated weekly workflow that scrapes GOG store discounts, analyzes t…»

Automated weekly workflow that scrapes GOG store discounts, analyzes the full discounted-game dataset with Gemini, generates a markdown insights report, and syncs it to Feishu Drive. Use for recurring game-deal reporting and team distribution.

ClawHub Agent Skills автор: terrycarter1985 v1.2.3 MIT-0 8 файлов тело ≈ 323 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматизированный еженедельный рабочий процесс, который собирает скидки магазина GOG, анализирует полный набор данных игр со скидками с помощью Gemini…

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
79
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

    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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Утечка данных read-dotenv README.md:12
      Чтение файла .env
      cp .env.example .env
    • низкая Утечка данных read-dotenv SKILL.md:21
      Чтение файла .env
      cp .env.example .env

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (GOG Weekly Sales Analytics) не совпадает с папкой (gog-sales-analytics)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 12
    • 100Стоимость исполнения. Тело инструкции 323 токенов

    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 243 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 12 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

    Внешние проверки

    ClawHub: suspicious
    The skill’s reporting and cloud-sync behavior is mostly disclosed, but running it also automatically publishes the whole working directory to ClawHub, which is a high-impact action that needs review.
    LLM: suspicious (high) · VirusTotal: · 20 июн. 2026 г.