SKILLEMALL.ai

BD deal-closer

Движок принятия решений для продвижения и реализации сотрудничества между промышленностью, академическими кругами и исследованиями. Активируется, когда пользователь отправляет протоколы встреч, отчеты о ходе сотрудничества, записи о контактах и просит проанализировать следующие шаги, продвинуть сотрудничество, оценить вероятность заключения сделки, написать текст для последующих действий. Основное внимание уделяется не напоминаниям, а принятию решений: на основе содержания встречи определить реальные потребности другой стороны, оценить стадию и вероятность сотрудничества, предложить оптимальную стратегию действий и готовый к использованию текст для последующих действий. Применимо для структурированного анализа протоколов встреч из DingTalk Tingji/Feishu Miaoji и т. д. В сочетании с industry-signal-monitor (обнаружение сигналов) и industry-research (глубокое исследование) формирует полный цикл.

машинный переводПоказать оригиналСкрыть оригинал«产学研合作推进与落地决策引擎。当用户提交会议纪要、合作进展、对接记录,要求分析下一步、推进合作、判断成单概率、写跟进话术时触发。核心不是提醒…»

产学研合作推进与落地决策引擎。当用户提交会议纪要、合作进展、对接记录,要求分析下一步、推进合作、判断成单概率、写跟进话术时触发。核心不是提醒,而是决策:基于会议内容推断对方真实需求、判断合作阶段与概率、给出最优策略动作和可直接使用的跟进话术。适用于钉钉听记/飞书妙记等会议纪要的结构化分析。配合 industry-signal-monitor(发现线索)和 industry-research(深度调研)形成完整链路。

ClawHub Agent Skills автор: zhangxiaopeng-zgci v1.0.0 MIT-0 4 файла тело ≈ 480 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Движок принятия решений для продвижения и реализации сотрудничества между промышленностью, академическими кругами и исследованиями.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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. 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: 4. 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 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 (deal-closer) не совпадает с папкой (zhongguancun-deal-closer)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 24
  • 100Стоимость исполнения. Тело инструкции 480 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
  • -5В тексте остались TODO / заглушки
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 209 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a Markdown-only business meeting analysis skill that drafts partnership follow-ups and does not request system access, credentials, or automatic sending.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.