SKILLEMALL.ai
GitHub ↗ EN Войти

BD lead-scoring

Настраивайте и автоматизируйте оценку лидов для HubSpot и других CRM. Используйте, когда пользователь хочет оценивать лиды, определять критерии MQL/SQL, создавать матрицы оценки, настраивать этапы жизненного цикла, внедрять оценку вовлеченности или автоматизировать квалификацию лидов. Только инструкции с фреймворками оценки и пошаговыми руководствами по настройке HubSpot.

машинный переводПоказать оригиналСкрыть оригинал«Set up and automate lead scoring for HubSpot and other CRMs. Use when…»

Set up and automate lead scoring for HubSpot and other CRMs. Use when a user wants to score leads, define MQL/SQL criteria, build scoring matrices, configure lifecycle stages, implement engagement scoring, or automate lead qualification. Instruction-only skill with scoring frameworks and step-by-step HubSpot setup guides.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 5 файлов тело ≈ 4 612 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Настраивайте и автоматизируйте оценку лидов для HubSpot и других CRM.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураHubSpotSalesforceПродажи и CRMтип 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
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
47/100
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

    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 47/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
    • 70Стоимость исполнения. Тело инструкции 4612 токенов
    • 85Шаги. Шагов: 296, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 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
    • +4Нет примеров входа/выхода
    • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 323 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 54 заголовков
    • +3Пошаговые инструкции: 296 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.