SKILLEMALL.ai
GitHub ↗ EN Войти

BD xinchuang-it-bid-decision

Помощник по анализу принятия решений при участии в тендерах на информационные технологии и информатизацию в сфере импортозамещения. Когда пользователь предоставляет конкретный ИТ-проект для тендера (импортозамещение/отечественное ПО/разработка ПО/системная интеграция/облачные технологии/центры обработки данных/сетевая безопасность/умный город и т. д.) и хочет провести анализ для принятия решения об участии, необходимо использовать этот SKILL: стоит ли участвовать, анализ закономерностей закупок ИТ заказчиками и предпочтений брендов, выявление долгосрочных интеграторов (действующих игроков), прогнозирование конкурентов, историческая цена сделки по аналогичным проектам и рекомендуемая цена предложения, анализ технических параметров и оценка риска дисквалификации. Предоставляет отчет о принятии решений на основе исторических данных о победах в тендерах по всей сети. Даже если пользователь не упоминает «импортозамещение», этот SKILL следует использовать для любых запросов, связанных с оценкой участия в ИТ-тендерах, стоит ли участвовать в тендерах на информатизацию, справкой по ценам интеграционных проектов и т. д.

машинный переводПоказать оригиналСкрыть оригинал«信创与IT信息化投标决策分析助手。当用户给出一个具体的IT类招标项目（信创/国产化/软件开发/系统集成/云/数据中心/网络安全/智慧城市等）…»

信创与IT信息化投标决策分析助手。当用户给出一个具体的IT类招标项目（信创/国产化/软件开发/系统集成/云/数据中心/网络安全/智慧城市等），并希望进行投标决策分析时，必须使用此SKILL：该不该投、甲方IT采购规律与品牌倾向分析、长期合作集成商（在位者）识别、竞争对手预测、同类项目历史成交价与建议报价、技术参数倾向与废标风险评估。基于全网招中标历史数据输出决策报告。即使用户没有提到「信创」，只要涉及IT项目投标评估、信息化标该不该投、集成项目报价参考等需求，都应使用本SKILL。

ClawHub Agent Skills v1.0.4 7 файлов тело ≈ 1 596 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Помощник по анализу принятия решений при участии в тендерах на информационные технологии и информатизацию в сфере импортозамещения.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураЗакупки и снабжениетип 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
88/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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
Это копия скилла из другого каталога, в рейтинге считается основная: xinchuang-it-bid-decision (ClawHub)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Утечка данных net-credential-use references/auto-register.md:195
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    **如果当前 api_key 来自 `$ZLBX_API_KEY`**：跳过 SID 流程，提示用户访问 `https://ai.zhiliaobiaoxun.com/?ch=s82` 手动登录充值。
    в кавычках
  • низкая Обфускация obf-base64-blob scripts/render_report.py:71
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/render_report.py:71
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1596 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 243 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This skill mostly matches its bid-analysis purpose, but it also asks the agent to register accounts, transmit a persistent device fingerprint, store an API key locally, and write report files by default.
LLM: suspicious (high)