AD bid-data-intelligent-agent
Интеллектуальный агент по данным тендеров и закупок, предоставляющий ИИ-агенту возможности поиска и анализа данных по тендерам и закупкам по всей сети. Обязательно используйте этот навык в следующих случаях: поиск объявлений о тендерах/выигранных тендерах, получение подробной информации о тендерных уведомлениях и основном тексте, поиск проектов с истекающим сроком действия, анализ профиля компании и основной деятельности, запрос клиентов и поставщиков, анализ конкурентов, рекомендации потенциальных поставщиков, поиск ведущих закупочных организаций/ведущих победителей тендеров/ведущих брендов-победителей, многомерная агрегированная статистика, запрос исторической цены победителя по бренду и модели, визуализация данных и структурированные отчеты и т. д. Даже если пользователь не упоминает «тендеры и закупки», используйте этот навык при наличии запросов, связанных с выигранными тендерами, закупками, поставщиками, рыночными данными и т. д.
машинный переводПоказать оригиналСкрыть оригинал«招中标数据智能体，为 AI Agent 提供全网招投标数据查询与分析能力。当用户（或上层 Agent）涉及以下任何场景时，必须使用此SKIL…»
招中标数据智能体，为 AI Agent 提供全网招投标数据查询与分析能力。当用户（或上层 Agent）涉及以下任何场景时，必须使用此SKILL：搜索招标/中标公告、获取标讯详情与正文、查询临期项目、公司画像与主营业务分析、查询上下游合作客户与供应商、竞争对手分析、推荐潜在供应商、查询Top采购单位/Top中标单位/Top中标品牌、多维度聚合统计、查询品牌型号历史中标单价、数据可视化与结构化报告等场景。即使用户没有提到「招投标」，只要涉及中标、采购、供应商、市场数据等需求，都应使用本SKILL。
Интеллектуальный агент по данным тендеров и закупок, предоставляющий ИИ-агенту возможности поиска и анализа данных по тендерам и закупкам по всей сети.
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Утечка данных
net-credential-usereferences/auto-register.md:215Учётные 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=s54` 手动登录充值。
в кавычках
Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 43/100
- 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
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 23
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3431 токенов
- low Разделов верхнего уровня: 15. 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 249 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 31 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (17 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.