SKILLEMALL.ai

BD Lead Gen Seller

Поиск B2B-клиентов и написание сообщений для агентов по производству/OEM. Ориентирован на независимые косметические бренды, компании по производству средств по уходу за кожей и бренды потребительских товаров, нуждающиеся в производственных партнерах. Генерирует приоритетные списки клиентов + персонализированные шаблоны электронной почты.

машинный переводПоказать оригиналСкрыть оригинал«Find B2B leads and write outreach messages for manufacturing/OEM agent…»

Find B2B leads and write outreach messages for manufacturing/OEM agents. Targets indie beauty brands, skincare companies, and consumer product brands that need manufacturing partners. Generates prioritized lead lists + personalized email templates.

ClawHub Agent Skills автор: yongtaop1-sys v1.0.0 MIT-0 2 файла тело ≈ 1 018 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Поиск B2B-клиентов и написание сообщений для агентов по производству/OEM.

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

ГенераторМаркетингИИ и агентыПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (Lead Gen Seller) не совпадает с папкой (lead-gen-seller)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 27
  • 100Стоимость исполнения. Тело инструкции 1018 токенов

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 248 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a Markdown-only B2B lead research and outreach-drafting guide with no code execution, credentials, persistence, or automatic sending behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.