SKILLEMALL.ai

BD competitor-intel-analysis

Помощник по анализу конкурентной разведки (с точки зрения участника тендера). Обязательно используйте этот SKILL, когда пользователь предоставляет основную информацию о компании и хочет проанализировать конкурентов/узнать детали о конкурентах по тендеру: анализ конкурентов, исследование конкурентов, оценка конкурентной силы победителя тендера, основная арена и сильные категории конкурентов, идентификация крупных клиентов конкурентов, записи тендерных столкновений (в каких категориях/регионах/клиентах пересекались), сравнение вашей компании и конкурентов, мониторинг еженедельных отчетов о деятельности конкурентов. Предоставляет отчеты на основе общесетевых данных о тендерах: конкуренты рассчитываются на основе пересечения тендеров, сила подтверждается записями о победах в тендерах, отношения с клиентами являются реальными контрактными отношениями. Поддерживает два режима: углубленный отчет по одной компании и сравнение двух компаний. Даже если пользователь не упоминает «конкурентов», используйте этот SKILL, если вы хотите понять силу, территорию и тактику конкурента на тендерной арене. Обратите внимание на границы: если пользователь предоставляет конкретный тендерный проект для анализа, следует ли в нем участвовать, используйте SKILL zlbx-bid-decision; если пользователь хочет активно искать бизнес-возможности/потенциальных клиентов, используйте SKILL zlbx-opportunity-radar; если пользователь просто ищет/запрашивает данные тендерных объявлений, используйте SKILL zlbx-bidding.

машинный переводПоказать оригиналСкрыть оригинал«竞争对手情报分析助手(投标方视角)。当用户给出一个公司主体,想分析竞争对手、摸清投标对手底细时,必须使用此SKILL:竞对分析、竞争对手调查…»

竞争对手情报分析助手(投标方视角)。当用户给出一个公司主体,想分析竞争对手、摸清投标对手底细时,必须使用此SKILL:竞对分析、竞争对手调查、对手中标实力评估、竞对主战场与强势品类、竞对大客户识别、投标交锋记录(在什么品类/地区/客户上碰面)、自家与竞对双公司对比、竞对动态周报监控。基于全网招投标数据输出报告:竞对从投标重叠算出、实力用中标记录证明、客户关系是真实合同关系。支持单公司深度报告与双公司对比两种模式。即使用户没有提到「竞对」,只要想搞清楚投标场上某个对手的实力、地盘与打法,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 35 ч назад

Помощник по анализу конкурентной разведки (с точки зрения участника тендера).

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

АнализаторЗакупки 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=s118` 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 401 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
The skill is a mostly coherent company-intelligence tool, but it asks to create accounts using a stable device fingerprint and persist API credentials locally, which users should review carefully before installing.
LLM: suspicious (high) · 8 сент. 2026 г.