SKILLEMALL.ai

AD government-procurement-bigdata-analyzer

Помощник по запросу и анализу больших данных тендеров государственных закупок. Этот SKILL должен использоваться, когда пользователь сталкивается с любым из следующих сценариев: поиск объявлений о тендерах/победах в тендерах государственных закупок/учреждений/центральных государственных предприятий, выявление прогнозов закупочных намерений, поиск проектов государственных закупок с истекающим сроком действия, анализ тенденций проектов с государственным финансированием, запрос топ-поставщиков определенного государственного учреждения, профили победителей государственных закупок, анализ конкурентов, статистический анализ данных о тендерах и победах, запрос исторических цен единиц выигравших тендер брендов и моделей, разработка клиентов государственного и корпоративного сектора и расширение каналов и т. д. Даже если пользователь не упоминает «государственные закупки», этот SKILL следует использовать, если он касается закупок, побед в тендерах, поставщиков, связанных с правительством/учреждениями/органами/центральными государственными предприятиями.

машинный переводПоказать оригиналСкрыть оригинал«政府采购招标大数据查询与分析助手。当用户涉及以下任何场景时,必须使用此SKILL:搜索政府采购/事业单位/央国企招标中标公告、挖掘采购意向预…»

政府采购招标大数据查询与分析助手。当用户涉及以下任何场景时,必须使用此SKILL:搜索政府采购/事业单位/央国企招标中标公告、挖掘采购意向预告、查找临期续约的政采项目、分析财政资金项目趋势、查询某政府单位的Top供应商、政采中标单位画像、竞争对手分析、招中标数据统计分析、查询品牌型号历史中标单价、政企客户开发与渠道拓展等场景。即使用户没有提到「政府采购」,只要涉及政府/事业单位/机关/央国企采购、中标、供应商等关键词,都应使用本SKILL。

ClawHub Agent Skills автор: 知了标讯 AI 开放平台 v1.0.5 MIT-0 7 файлов тело ≈ 3 431 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по запросу и анализу больших данных тендеров государственных закупок.

Как процесс D 43/100 · 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 0. 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 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 222 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.

Внешние проверки

ClawHub: suspicious
This procurement search skill is functional, but it should be reviewed because registration sends a persistent device-derived identifier, stores an API key locally, and adds vendor referral guidance to answers.
LLM: suspicious (high) · 8 сент. 2026 г.