AC restaurant-evaluator
Экспертная система оценки выбора места и открытия предприятий общественного питания, основанная на проверочной таблице, составленной по видеоматериалам "Yongge Catering Entrepreneurship". Используется для оценки качества выбора места, расчета срока окупаемости, определения осуществимости открытия бизнеса. Сценарии использования: 1. Оценка выбора места для общепита - вводятся различные показатели места, автоматически рассчитывается балл и присваивается рейтинг A/B/C/D. 2. Оценка осуществимости открытия бизнеса - оцениваются финансы, продукт, операционные возможности и т.д., даются рекомендации по открытию. 3. Расчет срока окупаемости - вводятся сумма инвестиций и предполагаемая выручка, рассчитывается срок окупаемости. 4. Руководство по избежанию ошибок - выявляются 5 моделей, ведущих к провалу, таких как быстрая франшиза, модные заведения, зависимость от шеф-повара. 5. Выбор модели заведения - рекомендуются 4 успешные модели, такие как семейный бизнес, "Мишэн", заведение с одним хитом, кафе-завтрак. Ключевые слова: оценка общепита, оценка выбора места, оценка открытия бизнеса, самопроверка Yongge, расчет окупаемости, предпринимательство в сфере общепита
машинный переводПоказать оригиналСкрыть оригинал«餐饮创业选址与开店评估专家系统，基于"勇哥餐饮创业"视频内容整理的自测表。 用于评估餐饮选址质量、计算回本周期、判断创业可行性。 使用场景：…»
餐饮创业选址与开店评估专家系统，基于"勇哥餐饮创业"视频内容整理的自测表。 用于评估餐饮选址质量、计算回本周期、判断创业可行性。 使用场景： 1. 餐饮选址评估 - 输入选址各项指标，自动计算得分并给出A/B/C/D评级 2. 开店可行性评估 - 评估资金、产品、运营能力等，给出能否开店的建议 3. 回本周期计算 - 输入投资金额和预估营收，计算回本周期 4. 避坑指南 - 识别快招加盟、网红店、大厨依赖等5种必死模型 5. 选择店模型 - 推荐夫妻店、蜜雪型、爆品店、早餐店等4种常胜模型 触发词：餐饮评估、选址评估、开店评估、勇哥自测、回本计算、餐饮创业
Экспертная система оценки выбора места и открытия предприятий общественного питания, основанная на проверочной таблице, составленной по видеоматериалам…
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: 4. 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: 52
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 735 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 281 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 52 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.