SKILLEMALL.ai
GitHub ↗ EN Войти

AB daolv-hotel-booking

Поиск отелей, сравнение кратких списков и передача бронирования с использованием сервера ai-go-hotel MCP (getHotelSearchTags, searchHotels, getHotelDetail). Используйте, когда пользователи просят найти отели, сравнить варианты по бюджету/местоположению/удобствам, спланировать пребывание в городе, семейное или деловое проживание или завершить принятие решений о бронировании отеля с четкими дальнейшими действиями.

машинный переводПоказать оригиналСкрыть оригинал«Hotel discovery, shortlist comparison, and booking handoff using the a…»

Hotel discovery, shortlist comparison, and booking handoff using the ai-go-hotel MCP server (getHotelSearchTags, searchHotels, getHotelDetail). Use when users ask to find hotels, compare options by budget/location/amenities, plan city stays, family or business lodging, or complete hotel booking decisions with clear next actions.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 5 файлов тело ≈ 796 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Поиск отелей, сравнение кратких списков и передача бронирования с использованием сервера ai-go-hotel MCP (getHotelSearchTags, searchHotels, getHotelDetail).

Как процесс B 67/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Входы и предусловия вес 11
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 5. 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 67/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 61
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 796 токенов

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 330 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 61 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.