BD company-info-personal
Инструмент для сотрудников для запроса информации о компаниях. Активируется, когда сотрудник вводит название компании, напрямую вызывая конечную точку сбора данных API компании. Внутреннее решение компании company-info-aggregator определяет, использовать ли кэш или поиск, сотруднику не нужно беспокоиться о промежуточных состояниях. Подходит для сценариев ежедневного запроса клиентов для специалистов по продажам B2B.
машинный переводПоказать оригиналСкрыть оригинал«员工个人版公司情报查询工具。当员工输入公司名称时触发,直接调用公司 API 采集端点,由公司端 company-info-aggregato…»
员工个人版公司情报查询工具。当员工输入公司名称时触发,直接调用公司 API 采集端点,由公司端 company-info-aggregator 内部决定走缓存还是搜索,员工端无需关心中间状态。适用于 B2B 销售人员的日常客户查询场景。
Инструмент для сотрудников для запроса информации о компаниях.
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
средняя Утечка данных
net-credential-useSKILL.md:91Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)response=$(curl -s -X POST "$AUTO_TOKEN_URL" \
-
средняя Утечка данных
net-credential-useSKILL.md:143Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)response=$(curl -s -X POST "$AUTO_TOKEN_URL" \
Просканировано файлов: 2. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers"
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (company-info-personal) не совпадает с папкой (yoooclaw-company-info-personal)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 9
- 100Стоимость исполнения. Тело инструкции 2681 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
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)
- +3Длина description 118: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (11 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.