SKILLEMALL.ai

AC payroll-audit

ИИ-навык для проверки заработной платы. Автоматически генерирует полный отчет о проверке заработной платы на основе месяца проверки, регионального охвата и особых обстоятельств. Охватывает 10 основных элементов проверки (диапазон сотрудников/прием на работу/увольнение/проверка аномалий/посещаемость/производительность/бонусы/социальное обеспечение/подоходный налог/жилье для талантов/логика расчета), поддерживает проверку как отечественных, так и зарубежных сотрудников. Три типа вывода: отчет о проверке в формате Markdown + документ Lark + визуальный отчет в формате HTML (включая диаграммы, отслеживание статуса проверки, сравнение различий). Полностью автоматизированный процесс, не требующий вмешательства человека. Проверка данных осуществляется с помощью механизма перекрестной проверки. Используйте, когда пользователь запрашивает проверку заработной платы, проверку зарплаты, ежемесячную проверку заработной платы, генерацию списка проверки заработной платы, отчет о проверке заработной платы, проверку заработной платы за этот месяц, проверку перед выплатой, проверку платежной ведомости. Неприменимо для расчета заработной платы, сравнения заработной платы, разработки планов повышения заработной платы, консультаций по уплате социального страхования.

машинный переводПоказать оригиналСкрыть оригинал«工资审核 AI 技能。基于审核月份、区域范围、特殊情况,一次性自动生成完整的工资审核报告。 覆盖 10 项核心审核要素(人员范围/入离职/异…»

工资审核 AI 技能。基于审核月份、区域范围、特殊情况,一次性自动生成完整的工资审核报告。 覆盖 10 项核心审核要素(人员范围/入离职/异常检查/考勤/绩效/奖金/社保/个税/人才房/计算逻辑),支持国内和海外员工审核。 三路输出:Markdown 审核报告 + 飞书文档 + HTML 可视化报告(含图表、审核状态追踪、差异对比)。 全流程自动执行,无需人工介入。数据校验采用交叉验证机制。 Use when user asks to 工资审核、薪资审核、月度工资审核、生成工资审核清单、 工资审核报告、本月工资核对、发薪前审核、工资表审核. 不适用于薪酬计算、薪酬对标、调薪方案设计、社保缴纳咨询.

ClawHub Agent Skills автор: tuobadaidai v4.0.0 MIT-0 12 файлов тело ≈ 2 063 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

ИИ-навык для проверки заработной платы.

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

АнализаторФинансыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
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

    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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "label"

    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: 67
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2063 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
    • -216 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 302 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 35 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    This payroll-audit skill appears purpose-built, but it needs review because it handles highly sensitive payroll data with automatic local output, Feishu sharing, and under-scoped write/recovery language.
    LLM: suspicious (high) · 28 мая 2026 г.