SKILLEMALL.ai
GitHub ↗ EN Войти

AC feishu-messaging

Лучшие практики настройки и форматирования сообщений Feishu (Lark). Используйте, когда: (1) Настраиваете параметры канала Feishu, (2) Возникают проблемы с форматированием сообщений (обычный текст против карточек), (3) Настраиваете renderMode для стабильного отображения сообщений, (4) Разбираетесь в различиях между автоматическими ответами и проактивными сообщениями. Важно для обеспечения единообразного форматирования сообщений в чатах Feishu.

машинный переводПоказать оригиналСкрыть оригинал«Best practices for Feishu (Lark) message configuration and formatting.…»

Best practices for Feishu (Lark) message configuration and formatting. Use when: (1) Configuring Feishu channel settings, (2) Experiencing message formatting issues (raw vs card), (3) Setting up renderMode for stable message display, (4) Understanding differences between auto-replies and proactive messages. Essential for ensuring consistent message formatting in Feishu chats.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 1 268 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Лучшие практики настройки и форматирования сообщений Feishu (Lark).

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

ГенераторРазработкаТексты и документытип 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
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 4. 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 59/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (feishu-messaging) не совпадает с папкой (feishu-messaging-en)
    • 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: 28
    • 100Стоимость исполнения. Тело инструкции 1268 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 378 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 22 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.