SKILLEMALL.ai

BD bid-winner-company-profile

Помощник по запросу истории выигранных тендеров и достижений компании. Когда пользователь предоставляет субъект компании (название компании/сокращение/ссылка на компанию) и хочет проверить историю выигранных тендеров, записи о выигранных тендерах, подтверждение достижений, записи об исполнении контрактов, необходимо использовать этот SKILL: какие тендеры выиграла компания, количество и общая сумма выигранных тендеров, тенденции выигранных тендеров по годам, распределение выигранных тендеров по регионам, анализ проектов-победителей (с ссылкой на оригинальное объявление), проверка аналогичных достижений (подлинность достижений в тендерной документации), систематизация достижений для подачи заявок на квалификацию, проверка записей об исполнении контрактов поставщиками, а также сопутствующий профиль компании, экосистема клиентов и поставщиков, конкурентная среда и панорамная проверка публичных рисков. Отчеты составляются на основе общесетевых данных о тендерах, каждое достижение может быть отслежено до оригинального объявления. Поддерживает как глубокие отчеты по одной компании, так и сравнение двух компаний. Даже если пользователь не упоминал «историю», всякий раз, когда он хочет использовать записи о выигранных тендерах для проверки достижений и исполнительной способности компании, следует использовать этот SKILL. Обратите внимание на границы: если пользователь предоставляет конкретный тендерный проект для анализа решения о том, стоит ли в нем участвовать, используйте SKILL zlbx-bid-decision; если пользователь хочет активно искать деловые возможности/потенциальных клиентов, используйте SKILL zlbx-opportunity-radar; если пользователь просто ищет/запрашивает данные объявлений о тендерах, используйте SKILL zlbx-bidding.

машинный переводПоказать оригиналСкрыть оригинал«企业中标履历与业绩查询助手。当用户给出一个公司主体(公司名/简称/公司链接),想查中标履历、中标记录、业绩证明、履约记录时,必须使用此SKI…»

企业中标履历与业绩查询助手。当用户给出一个公司主体(公司名/简称/公司链接),想查中标履历、中标记录、业绩证明、履约记录时,必须使用此SKILL:某公司中过什么标、中标数量与总金额、逐年中标走势、中标地区分布、标王项目盘点(附公告原文链接)、同类业绩核验(投标材料业绩真伪)、资质申报业绩梳理、供应商履约记录审查,以及配套的企业画像、客户供应商生态、竞争格局与公开风险全景背调。基于全网招投标数据输出报告,每条业绩可追溯到公告原文。支持单公司深度报告与双公司对比。即使用户没有提到「履历」,只要想用中标记录核实一家公司的业绩与履约能力,都应使用本SKILL。注意边界:若用户给出一个具体的招标项目做该不该投的决策分析,使用 zlbx-bid-decision SKILL;若用户想主动挖掘商机/销售线索,使用 zlbx-opportunity-radar SKILL;若用户只是搜索/查询招中标公告数据,使用 zlbx-bidding SKILL。

ClawHub Agent Skills автор: 知了标讯 AI 开放平台 v1.0.4 MIT-0 7 файлов тело ≈ 1 987 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Помощник по запросу истории выигранных тендеров и достижений компании.

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

ИнтеграцияЗакупки и снабжениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Утечка данных net-credential-use references/auto-register.md:215
    Учётные 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=s125` 手动登录充值。
    в кавычках
  • низкая Обфускация obf-base64-blob scripts/render_report.py:93
    Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/render_report.py:93
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    _LOGO_B64 = "iVBO…B5x
    в кавычках

Просканировано файлов: 7. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1987 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 424 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This skill mostly does the advertised company-intelligence work, but it also handles credentials, device fingerprinting, signed access links, contact phone data, and default local report files in ways users should review carefully before installing.
LLM: suspicious (high) · 8 сент. 2026 г.