AC intent-filter-claw
Фильтр потенциальных намерений — выявление реальных покупательских намерений из публичных комментариев, постов, личных сообщений, генерация лидов с высоким намерением и их передача команде продаж. Используйте этот навык в следующих случаях: (1) Необходимо найти потенциальных клиентов с покупательским намерением в комментариях, постах, личных сообщениях. (2) Необходимо идентифицировать и оценить намерения пользователей на основе предоставленных данных комментариев (CSV/текст). (3) Необходимо найти потенциальных клиентов под постами конкурентов, которые недовольны конкурентами и ищут альтернативу. (4) Необходимо оформить лиды с высоким намерением в таблицу или отправить их в Feishu. (5) Пользователь упоминает "фильтр намерений", "потенциальные клиенты", "публичный поиск", "поиск по комментариям", "порекомендуйте", "дайте ссылку", "покупательское намерение", "фильтр лидов", "семантическая идентификация", "идентификация намерений", "продажные лиды", "фильтр личных сообщений", "поиск по конкурентам", "пользователи с высоким намерением", "конверсия трафика".
машинный переводПоказать оригиналСкрыть оригинал«潜在意向筛选虾 — 从公域评论、帖子、私信中识别真实购买意向，生成高意向销售线索并推送给销售团队。 当以下情况时使用此 Skill： (1…»
潜在意向筛选虾 — 从公域评论、帖子、私信中识别真实购买意向，生成高意向销售线索并推送给销售团队。 当以下情况时使用此 Skill： (1) 需要从评论区、帖子、私信中挖掘有购买意向的潜在客户 (2) 需要对用户提供的评论数据（CSV/文本）进行意向识别和评分 (3) 需要在竞品帖子下找到对竞品不满意、正在寻找替代品的潜在客户 (4) 需要将高意向线索整理成表格或推送到飞书 (5) 用户提到"意向筛选"、"潜在客户"、"公域挖掘"、"评论区挖掘"、"求推荐"、"求链接"、"购买意向"、"线索筛选"、"语义识别"、"意向识别"、"销售线索"、"私信筛选"、"竞品挖掘"、"高意向用户"、"流量转化"
Фильтр потенциальных намерений — выявление реальных покупательских намерений из публичных комментариев, постов, личных сообщений, генерация лидов с высоким…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription 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: 16
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 330 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 302 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 16 пунктов
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.