SKILLEMALL.ai

AC screening-alert-adjudication-amir-fadavi

Определяет, является ли совпадение, сгенерированное проверкой санкций, PEP или негативных СМИ, истинным положительным результатом, ложным положительным результатом или требует эскалации человеком. Используйте, когда пользователь представляет оповещение о проверке, совпадение имени со списком наблюдения (OFAC SDN, сводный список ЕС, UK OFSI, список ООН, список PEP, совпадение негативных СМИ и т. д.) или просит очистить оповещение о проверке / уменьшить количество ложных срабатываний / определить, является ли помеченное имя фактически указанным лицом. Используйте, даже когда пользователь описывает задачу в неформальной манере — «находится ли этот человек действительно в санкционном списке», «получили ли мы реальное совпадение», «очистить это оповещение», «у меня есть совпадение по X» — все это задачи по проверке и определению. Предоставляет детерминированное определение с полным аудиторским следом (структурированный JSON + понятное повествование). Предназначен для использования аналитиками по комплаенсу и системами проверки.

машинный переводПоказать оригиналСкрыть оригинал«Adjudicates whether a hit generated by sanctions, PEP, or adverse-medi…»

Adjudicates whether a hit generated by sanctions, PEP, or adverse-media screening is a true positive, false positive, or requires human escalation. Use whenever a user presents a screening alert, a name match against a watchlist (OFAC SDN, EU consolidated list, UK OFSI, UN list, PEP list, adverse media hit, etc.), or asks to clear a screening hit / reduce false positives / determine whether a flagged name is actually the listed party. Use even when the user describes the task casually — "is this person actually on the sanctions list", "did we get a real match", "clear this alert", "I have a hit on X" — these are all screening-adjudication tasks. Produces a deterministic determination with full audit trail (structured JSON + human-readable narrative). Designed for use by compliance analysts and screening systems.

lawve-ai/awesome-legal-skills Agent Skills автор: lawve-ai 12 файлов тело ≈ 3 069 токенов Открыть источникgithub.com↗ проанализирован 62 мин назад

Определяет, является ли совпадение, сгенерированное проверкой санкций, PEP или негативных СМИ, истинным положительным результатом, ложным положительным…

Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки

ГенераторБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 44, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3069 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • medium Тестов 5, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
    • low Среди тестов нет случая на инъекцию через данные

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 823: рекомендуется 120–800 символов
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 44 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (8 из 8)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.