SKILLEMALL.ai

BD 饿了么

Руководство по принятию решений о доставке еды на дом и управлению магазинами Ele.me. Используйте для: (1) Решения о заказе еды с экономией — логика наложения и расчет выгодности красных конвертов/членства/скидок от суммы, (2) Разъяснение правил выполнения заказов, таких как «准时宝»/компенсация за просрочку, (3) Основы привлечения и управления для продавцов (структура комиссии/логика ранжирования/открытая платформа). Руководство по доставке еды Ele.me: оптимизация расходов для потребителей, правила выполнения заказов и основы управления для продавцов.

машинный переводПоказать оригиналСкрыть оригинал«饿了么外卖决策与商家运营指南。Use for: (1) 点外卖省钱决策——红包/会员/满减的叠加逻辑与划算性测算, (2) 准时宝/超时赔付…»

饿了么外卖决策与商家运营指南。Use for: (1) 点外卖省钱决策——红包/会员/满减的叠加逻辑与划算性测算, (2) 准时宝/超时赔付等履约规则解读, (3) 商家侧入驻与运营基础(佣金结构/排名逻辑/开放平台)。Ele.me food-delivery guide: consumer cost optimization, fulfillment rules, and merchant operation basics.

ClawHub Hermes автор: zhangifonly v1.0.0 MIT-0 2 файла тело ≈ 285 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Руководство по принятию решений о доставке еды на дом и управлению магазинами Ele.me. Используйте для: (1) Решения о заказе еды с экономией — логика наложения…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

Как улучшить

  1. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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-long-hermes description 215 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)

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 (饿了么) не совпадает с папкой (ele)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 18
  • 100Стоимость исполнения. Тело инструкции 285 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 215 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a plain informational Ele.me food-delivery guide with no code, commands, credential use, persistence, or hidden data handling.
LLM: benign (high) · VirusTotal: · 11 июл. 2026 г.