SKILLEMALL.ai
GitHub ↗ EN Войти

BC fund-report-processor

Автоматическая обработка ежедневных финансовых отчетов по электронной почте и извлечение данных. Получение ежедневных финансовых отчетов по электронной почте, скачивание вложений XLSX, извлечение ключевых финансовых данных, генерация сводки в указанном формате и отображение диаграмм тенденций.🚀v3.1: версия с упрощенной архитектурой, интеграция Bitwarden, полная автоматизация.⭐Стандартный процесс: zero_interaction_runner.py выполняет все операции одним кликом.

машинный переводПоказать оригиналСкрыть оригинал«自动化处理资金日报邮件和数据提取。从邮箱收取资金日报邮件，下载XLSX附件，提取关键财务数据，生成用户指定格式总结并展示趋势图表。🚀v3.…»

自动化处理资金日报邮件和数据提取。从邮箱收取资金日报邮件，下载XLSX附件，提取关键财务数据，生成用户指定格式总结并展示趋势图表。🚀v3.1：精简架构版本，Bitwarden集成，完全自动化。⭐标准流程：zero_interaction_runner.py 一键完成所有操作

modbender/skill-library-mcp Agent Skills автор: modbender MIT 19 файлов · 1 скрипт тело ≈ 1 237 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Автоматическая обработка ежедневных финансовых отчетов по электронной почте и извлечение данных.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelДанные и аналитикатип 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 19. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 91
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1237 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
  • -251 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 138 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 91 пунктов
  • +4Есть примеры (5 блоков кода)

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