SKILLEMALL.ai
GitHub ↗ EN Войти

BF b2b-lead-generation

Агрегирующий навык B2B лидогенерации: торговая разведка по таможенным данным + комплексная проверка глобальных компаний + данные LinkedIn. Анализирует распределение/тенденции/доли рынка по кодам ТН ВЭД, профилирует масштаб торговли компании/партнеров/продуктов/портов, получает общие торговые обзоры и основных покупателей/поставщиков, проводит проверку биографии компании (сотрудники, акционеры/бенефициары, лица, принимающие решения), строит сетевые карты LinkedIn (коллеги, выпускники, карьера и образование).

машинный переводПоказать оригиналСкрыть оригинал«Aggregate B2B lead-gen skill: customs trade intelligence + global comp…»

Aggregate B2B lead-gen skill: customs trade intelligence + global company due-diligence + LinkedIn data. Analyze HS code market distribution/trends/shares, profile a company's trade scale/partners/products/ports, get macro trade overviews and top buyers/suppliers, run company background checks (employees, shareholders/UBO, decision-makers), map LinkedIn networks (colleagues, alumni, career & education).

ClawHub Agent Skills автор: upkuajing openapi skills v1.0.1 MIT-0 80 файлов тело ≈ 3 139 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Агрегирующий навык B2B лидогенерации: торговая разведка по таможенным данным + комплексная проверка глобальных компаний + данные LinkedIn.

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: indexes/customs-analysis.md, indexes/customs-company.md, indexes/customs-overview.md

ГенераторТексты и документыРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
79/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
50
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: indexes/customs-analysis.md, indexes/customs-company.md, indexes/customs-overview.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных read-dotenv SKILL.md:74
    Чтение файла .env
    cat ~/.upkuajing/.env

Просканировано файлов: 80. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Missing closing "quote at line 3, column 1: description: "Aggregate B2B lead-gen skill: customs trade intelligence + global… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: indexes/customs-analysis.md
  • предупреждение missing-ref ссылка на отсутствующий файл: indexes/customs-company.md
  • предупреждение missing-ref ссылка на отсутствующий файл: indexes/customs-overview.md
  • предупреждение missing-ref ссылка на отсутствующий файл: indexes/global-depth.md
  • предупреждение missing-ref ссылка на отсутствующий файл: indexes/linkedin.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/*.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/<xxx>-api.md
  • заметка frontmatter-key неизвестное поле фронтматтера "Trigger"

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: indexes/customs-analysis.md, indexes/customs-company.md, indexes/customs-overview.md
  • 0Инструменты и файлы. Не хватает 7 файла(ов): indexes/customs-analysis.md, indexes/customs-company.md, indexes/customs-overview.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 85Шаги. Шагов: 45, расплывчатых формулировок: 2
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3139 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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
  • -336 из 39 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 406 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (39 из 39)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 50.

Внешние проверки

ClawHub: suspicious
This skill matches its lead-generation purpose, but it handles paid queries and personal contact data with under-disclosed telemetry, weak storage controls, and incomplete privacy guidance.
LLM: suspicious (high) · 24 авг. 2026 г.