SKILLEMALL.ai

AD industry-signal-monitor

Активное сканирование и мониторинг сигналов для сотрудничества в сфере науки, промышленности и бизнеса. Активируется, когда пользователь просит просканировать возможности для сотрудничества, отслеживать динамику компаний, находить потенциальных партнеров, узнавать, какие компании стоит рассмотреть на этой неделе. На основе списка отраслей/компаний сканирует сигналы, такие как финансирование, тендеры, выпуск продуктов, научные публикации, чтобы определить потребности и выдать топ-N рекомендаций. Подходит для еженедельного/ежедневного поиска партнеров. Используется совместно с навыком industry-research: мониторинг и поиск контактов → глубокое исследование → генерация повестки дня.

машинный переводПоказать оригиналСкрыть оригинал«产学研合作主动扫描与信号监控。当用户要求扫描合作机会、监控企业动态、发现潜在合作方、查看本周有哪些值得接触的企业时触发。基于行业/公司列表,…»

产学研合作主动扫描与信号监控。当用户要求扫描合作机会、监控企业动态、发现潜在合作方、查看本周有哪些值得接触的企业时触发。基于行业/公司列表,扫描融资、招标、产品发布、学术发表等信号,推断需求,输出Top N推荐。适用于周度/日度合作线索发现。配合 industry-research skill 使用:监控发现线索 → 深度调研 → 生成议程。

ClawHub Agent Skills автор: zhangxiaopeng-zgci v1.0.0 MIT-0 5 файлов тело ≈ 454 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Активное сканирование и мониторинг сигналов для сотрудничества в сфере науки, промышленности и бизнеса.

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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 5. 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 (industry-signal-monitor) не совпадает с папкой (zhongguancun-signal-monitor)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 11
  • 100Стоимость исполнения. Тело инструкции 454 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 172 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a markdown-only workflow for public company signal research, with no code, credential access, persistence, or hidden actions.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.