SKILLEMALL.ai

BD 评优激励通报分析

Анализ данных и диагностика недостатков в уведомлениях о премировании/стимулировании каналов/партнеров, а также анализ и поиск по документам политики продаж для партнеров. Используется, когда пользователь загружает или ссылается на Excel "Уведомление о премировании/стимулировании", "Премирование каналов", "Премирование партнеров" (включая сводные таблицы по уездам/городам, информацию о выполнении каналов, пороговые значения отклонения и т. д.) и просит проанализировать недостающие данные, выявить слабые места, требующие усиления и улучшения, сгенерировать отчет об анализе в Word или список исправлений в виде сетки, классифицировать предупреждения по каналам, экспортировать списки, визуализировать диаграммы; также используется, когда пользователь ссылается на документы Word с политикой продаж для партнеров (правила управления, требования к операционной деятельности, руководства по дифференцированной политике и т. д.) и просит обобщить правила политики, отвечать на вопросы по документам политики. Поддерживает восемь режимов взаимодействия: режим 0 - "Помоги мне проанализировать/Какие есть функции", сначала выводит меню для выбора; ① Запрос конкретного контента/показателя; ② Запрос конкретной сетки или канала; ③ Обобщение анализа и вывод в Word; ④ Генерация списка предупреждений с классификацией в Excel; ⑤ Генерация визуализированной панели/диаграммы; ⑥ Анализ документов политики (обобщение контента, объяснение правил политики); ⑦ Запрос и ответ по документам политики (определение пунктов, цитирование исходного текста). Ключевые слова: премирование, премирование каналов, премирование партнеров, уведомление о стимулировании, анализ недостающих данных, диагностика слабых мест, пороговые значения отклонения, коэффициент выполнения контрактов на местах, коэффициент интеграции приложений, коэффициент стимулирования ключевых видов деятельности, слабые сетки, список исправлений для сеток, сводная таблица сеток, классификация предупреждений, красные/желтые карточки, список ключевых исправлений, визуализированная панель, диаграмма, документы политики, правила управления, требования к операционной деятельности, дифференцированная политика, поиск по политике, вопросы по политике, руководство по быстрой проверке политики, помоги мне проанализировать, какие есть функции, ситуация с показателем, как дела у сетки, как дела у канала.

машинный переводПоказать оригиналСкрыть оригинал«渠道/合作伙伴评优激励通报数据分析与欠缺诊断,并配套销售合作伙伴政策文档的分析与检索。当用户上传或引用「评优激励通报」「渠道评优」「合作伙伴…»

渠道/合作伙伴评优激励通报数据分析与欠缺诊断,并配套销售合作伙伴政策文档的分析与检索。当用户上传或引用「评优激励通报」「渠道评优」「合作伙伴评优激励」「激励核算」类 Excel(含县市汇总、渠道完成情况、否决门槛值等工作表),要求分析数据欠缺、找出需要加强改进的薄弱环节、生成 Word 分析报告或网格整改清单、渠道预警分级、名单导出、图表可视化时使用;当用户引用销售合作伙伴政策类 Word 文档(管理办法、运营执行要求、分级施策指导意见等)并要求总结政策规则、按政策文档检索回答问题时也使用。支持八种交互模式:模式0 说「帮我分析/有什么功能」先列菜单等选择;①询问具体内容/指标;②询问具体网格或渠道;③总结分析输出 Word;④生成预警分级名单 Excel;⑤生成可视化看板/图表;⑥政策文档分析(总结内容、说明政策规则);⑦政策文档检索问答(定位条款、引用原文出处)。关键词:评优激励、渠道评优、合作伙伴评优、激励通报、数据欠缺分析、短板诊断、否决门槛、终端合约率、APP融合率、重点业务牵引系数、弱势网格、网格整改清单、网格汇总表、预警分级、红黄牌、重点整改名单、可视化看板、图表、政策文档、管理办法、运营执行要求、分级施策、政策检索、政策问答、政策速查手册、帮我分析、有什么功能、某指标情况、某网格怎么样、某渠道怎么样。

ClawHub Agent Skills автор: Xunying Zhu v2.0.1 MIT-0 11 файлов тело ≈ 2 765 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ данных и диагностика недостатков в уведомлениях о премировании/стимулировании каналов/партнеров, а также анализ и поиск по документам политики продаж…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураWordДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 41/100

  • 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 (评优激励通报分析) не совпадает с папкой (report-analysis)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 111
  • 100Стоимость исполнения. Тело инструкции 2765 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 567 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 111 пунктов
  • +4Есть примеры (1 блоков кода)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a local spreadsheet and Word-document analysis tool whose file reads and report generation are mostly disclosed and purpose-aligned, with some path-safety and dependency-hygiene caveats.
LLM: benign (high) · VirusTotal: · 20 авг. 2026 г.