К основному содержанию
скилл CX Codex

hospitality-expert — скилл для Claude Code: отели, PMS и тарифы

Скилл hospitality-expert по гостиничному хозяйству: помогает агенту разобраться с PMS, бронированиями, тарифами и запросами гостей.

Apache-2.0 298 установок ★ 45 обновлён 2026-10-12

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add personamanagmentlayer/pcl --skill hospitality-expert -a claude-code
Открыть на GitHub

Что делает hospitality-expert

Скилл даёт агенту предметную базу по гостиницам: PMS, CRS, channel manager, ночные тарифы и работу с запросами гостей. Внутри два блока кода на Python — RevenueManagementSystem и GuestServicesSystem. Первый считает динамическую ставку от базовой цены, текущей загрузки, окна до заезда и дня недели, плюс RevPAR и ADR. Второй ведёт очередь обращений: уборка, ремонт, консьерж, удобства, у каждого приоритет и статус.

Перечислены и стандарты, на которые агент опирается в ответах: HTNG, OpenTravel Alliance, PCI-DSS, ADA, брендовые требования сети. Для каналов продаж пример делит фонд на 40% прямых броней, 35% OTA, 15% корпоративных и 10% walk-in — это образец распределения, а не жёсткое правило.

Скиллу разрешены только Read, Write, Edit, поэтому сам он код не выполняет: расчёт появится, если скрипт запустит агент. Примеры импортируют numpy, и без установленного пакета тарифная математика не пойдёт.

Какие задачи решает

  • посчитать динамический тариф на выходные при загрузке выше 0.85
  • разложить номерной фонд по каналам продаж
  • свести запросы гостей в очередь с приоритетами
  • сравнить стандарты интеграции с PMS: HTNG и OpenTravel
  • вывести RevPAR и ADR из выгрузки по выручке

Примеры запросов агенту

  • Посчитай RevPAR и ADR по этой выгрузке за прошлый месяц
  • Собери схему обработки запросов гостей: уборка, ремонт, консьерж
  • Проверь нашу интеграцию с PMS на соответствие HTNG

Как установить hospitality-expert

1Через Skills CLI (Vercel)

npx skills add personamanagmentlayer/pcl --skill hospitality-expert -a claude-code

2Вручную: положить файлы

~/.claude/skills/hospitality-expert/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/hospitality-expert/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о hospitality-expert

Как установить hospitality-expert в Claude Code?

Выполните npx skills add personamanagmentlayer/pcl --skill hospitality-expert -a claude-code. Файл скилла окажется по пути ~/.claude/skills/hospitality-expert/SKILL.md.

Что делает hospitality-expert?

Даёт агенту модели гостиничных систем и расчётов: динамическая ставка, прогноз загрузки, распределение фонда по каналам, RevPAR и ADR, очередь запросов гостей.

Какие инструменты у скилла?

В нём объявлены только Read, Write и Edit. Он читает и правит файлы проекта, а команды запускаете вы сами.

Исходный текст

SKILL.md · Apache-2.0
---
name: hospitality-expert
version: 1.1.0
description: >-
  Expert-level hotel management, reservation systems, guest services, revenue management,
  and hospitality technology. Use when the user mentions hotel, reservation, PMS, or
  revenue management, or when the task involves Hotel Management Systems, Technologies,
  Standards and Protocols, or Reservations Management.
category: domains
tags: [hospitality, hotel, reservation, pms, revenue-management]
allowed-tools:
  - Read
  - Write
  - Edit
---

# Hospitality Expert

Expert guidance for hotel management, reservation systems, property management systems (PMS), guest services, revenue management, and hospitality technology solutions.

## Core Concepts

### Hotel Management Systems

- Property Management System (PMS)
- Central Reservation System (CRS)
- Revenue Management System (RMS)
- Channel Manager
- Point of Sale (POS)
- Guest Relationship Management (GRM)
- Housekeeping management

### Technologies

- Mobile check-in/check-out
- Digital key systems
- Guest messaging platforms
- IoT for room automation
- AI chatbots for customer service
- Contactless payments
- Energy management systems

### Standards and Protocols

- HTNG (Hotel Technology Next Generation)
- OpenTravel Alliance standards
- PCI-DSS for payment security
- ADA compliance for accessibility
- Brand standards (if franchise)
- OTA integrations (Booking.com, Expedia)

## Revenue Management System

```python
import numpy as np

class RevenueManagementSystem:
    """Hotel revenue management and dynamic pricing"""

    def __init__(self):
        self.pricing_rules = []
        self.demand_forecast = {}

    def calculate_dynamic_rate(self,
                              room_type: RoomType,
                              check_in_date: date,
                              days_until_arrival: int,
                              current_occupancy: float,
                              historical_data: dict) -> Decimal:
        """Calculate dynamic room rate"""
        # Base rate
        base_rates = {
            RoomType.STANDARD: Decimal('150'),
            RoomType.DELUXE: Decimal('200'),
            RoomType.SUITE: Decimal('350'),
            RoomType.EXECUTIVE: Decimal('450')
        }

        base_rate = base_rates.get(room_type, Decimal('150'))

        # Demand multiplier based on occupancy
        if current_occupancy > 0.85:
            demand_multiplier = Decimal('1.30')  # High demand
        elif current_occupancy > 0.70:
            demand_multiplier = Decimal('1.15')  # Moderate demand
        elif current_occupancy > 0.50:
            demand_multiplier = Decimal('1.00')  # Normal
        else:
            demand_multiplier = Decimal('0.85')  # Low demand

        # Booking window multiplier
        if days_until_arrival < 7:
            window_multiplier = Decimal('1.20')  # Last minute
        elif days_until_arrival < 14:
            window_multiplier = Decimal('1.10')
        elif days_until_arrival > 60:
            window_multiplier = Decimal('0.90')  # Early bird
        else:
            window_multiplier = Decimal('1.00')

        # Day of week adjustment
        if check_in_date.weekday() in [4, 5]:  # Friday, Saturday
            day_multiplier = Decimal('1.25')
        elif check_in_date.weekday() == 6:  # Sunday
            day_multiplier = Decimal('0.95')
        else:
            day_multiplier = Decimal('1.00')

        # Calculate final rate
        dynamic_rate = base_rate * demand_multiplier * window_multiplier * day_multiplier

        # Round to nearest dollar
        dynamic_rate = dynamic_rate.quantize(Decimal('1'))

        return dynamic_rate

    def forecast_demand(self, start_date: date, days: int) -> dict:
        """Forecast demand for upcoming period"""
        forecast = {}

        for i in range(days):
            forecast_date = start_date + timedelta(days=i)

            # Simplified demand forecast
            # In production, would use ML models
            base_demand = 70.0  # 70% base occupancy

            # Day of week factor
            if forecast_date.weekday() in [4, 5]:  # Weekend
                day_factor = 15
            elif forecast_date.weekday() == 6:
                day_factor = -10
            else:
                day_factor = 0

            # Seasonality factor (simplified)
            month = forecast_date.month
            if month in [6, 7, 8]:  # Summer
                season_factor = 10
            elif month in [12, 1]:  # Holiday season
                season_factor = 15
            else:
                season_factor = 0

            forecasted_occupancy = base_demand + day_factor + season_factor
            forecasted_occupancy = min(100, max(0, forecasted_occupancy))

            forecast[forecast_date.isoformat()] = {
                'date': forecast_date.isoformat(),
                'forecasted_occupancy': forecasted_occupancy,
                'confidence': 'high' if i < 14 else 'medium' if i < 30 else 'low'
            }

        return forecast

    def optimize_inventory(self, total_rooms: int, date_range: tuple) -> dict:
        """Optimize room inventory allocation"""
        # Allocate rooms across different channels
        # Direct bookings, OTAs, corporate contracts, etc.

        allocation = {
            'direct': int(total_rooms * 0.40),  # 40% direct
            'ota': int(total_rooms * 0.35),     # 35% OTAs
            'corporate': int(total_rooms * 0.15),  # 15% corporate
            'walk_in': int(total_rooms * 0.10)  # 10% walk-ins
        }

        return {
            'total_rooms': total_rooms,
            'allocation': allocation,
            'date_range': {
                'start': date_range[0].isoformat(),
                'end': date_range[1].isoformat()
            }
        }

    def calculate_revpar(self, revenue: Decimal, available_rooms: int) -> Decimal:
        """Calculate Revenue Per Available Room"""
        if available_rooms == 0:
            return Decimal('0')

        revpar = revenue / available_rooms
        return revpar.quantize(Decimal('0.01'))

    def calculate_adr(self, revenue: Decimal, rooms_sold: int) -> Decimal:
        """Calculate Average Daily Rate"""
        if rooms_sold == 0:
            return Decimal('0')

        adr = revenue / rooms_sold
        return adr.quantize(Decimal('0.01'))
```

## Guest Services Management

```python
@dataclass
class GuestRequest:
    """Guest service request"""
    request_id: str
    reservation_id: str
    room_number: str
    guest_name: str
    request_type: str  # 'housekeeping', 'maintenance', 'concierge', 'amenity'
    description: str
    priority: str  # 'low', 'medium', 'high'
    status: str  # 'open', 'in_progress', 'completed'
    created_at: datetime
    assigned_to: Optional[str]
    completed_at: Optional[datetime]

class GuestServicesSystem:
    """Guest services and experience management"""

    def __init__(self):
        self.requests = []
        self.guest_preferences = {}
        self.loyalty_members = {}

    def submit_guest_request(self, request_data: dict) -> GuestRequest:
        """Submit guest service request"""
        request = GuestRequest(
            request_id=self._generate_request_id(),
            reservation_id=request_data['reservation_id'],
            room_number=request_data['room_number'],
            guest_name=request_data['guest_name'],
            request_type=request_data['request_type'],
            description=request_data['description'],
            priority=request_data.get('priority', 'medium'),
            status='open',
            created_at=datetime.now(),
            assigned_to=None,
            completed_at=None
        )

        self.requests.append(request)

        # Auto-assign based on request type
        self._auto_assign_request(request)

        return request

    def track_guest_preferences(self, guest_id: str, preferences: dict):
        """Track guest preferences for personalization"""
        self.guest_preferences[guest_id] = {
            'room_preferences': {
                'floor': preferences.get('preferred_floor'),
                'bed_type': preferences.get('bed_type'),
                'view': preferences.get('view_preference')
            },
            'amenities': preferences.get('amenities', []),
            'dietary_restrictions': preferences.get('dietary_restrictions', []),
            'special_occasions': preferences.get('special_occasions', {}),
            'communication_preference': preferences.get('communication', 'email')
        }

    def calculate_guest_satisfaction_score(self, reservation_id: str) -> dict:
        """Calculate guest satisfaction metrics"""
        # Simulate guest satisfaction score
        # In production, would be based on surveys and feedback

        metrics = {
            'overall_satisfaction': 4.5,  # Out of 5
            'check_in_experience': 4.7,
            'room_quality': 4.3,
            'staff_friendliness': 4.8,
            'cleanliness': 4.6,
            'value_for_money': 4.2,
            'likelihood_to_recommend': 9.0  # NPS score (0-10)
        }

        return {
            'reservation_id': reservation_id,
            'satisfaction_metrics': metrics,
            'nps_category': 'promoter' if metrics['likelihood_to_recommend'] >= 9 else
                          'passive' if metrics['likelihood_to_recommend'] >= 7 else
                          'detractor'
        }

    def _auto_assign_request(self, request: GuestRequest):
        """Auto-assign request to staff"""
        # Would implement smart assignment logic
        assignments = {
            'housekeeping': 'housekeeping_team',
            'maintenance': 'maintenance_team',
            'concierge': 'concierge_team',
            'amenity': 'front_desk'
        }

        request.assigned_to = assignments.get(request.request_type, 'front_desk')

    def _generate_request_id(self) -> str:
        import uuid
        return f"REQ-{uuid.uuid4().hex[:8].upper()}"
```

## Best Practices

### Reservations Management

- Implement real-time availability
- Use channel manager for distribution
- Enable mobile booking
- Implement flexible cancellation policies
- Send automated confirmations
- Track booking sources
- Enable group bookings

### Revenue Management

- Implement dynamic pricing
- Monitor competitor rates
- Forecast demand accurately
- Optimize inventory allocation
- Track RevPAR and ADR
- Use yield management strategies
- Analyze booking patterns

### Guest Experience

- Personalize guest interactions
- Enable mobile check-in/out
- Provide digital concierge services
- Track guest preferences
- Respond promptly to requests
- Implement loyalty programs
- Gather feedback systematically

### Operations

- Maintain housekeeping efficiency
- Implement preventive maintenance
- Use automated messaging
- Monitor room status in real-time
- Optimize staff scheduling
- Track operational metrics
- Ensure PCI-DSS compliance

## Anti-Patterns

❌ Manual reservation management
❌ Static pricing year-round
❌ No guest preference tracking
❌ Poor channel management
❌ Slow response to guest requests
❌ No mobile capabilities
❌ Inadequate staff training
❌ Poor data security
❌ No revenue analytics

## Reference Documentation

Detailed material lives alongside this skill and is read on demand:

- [Property Management System](references/PROPERTY_MANAGEMENT_SYSTEM.md)

## Resources

- HTNG (Hotel Technology Next Generation): https://htng.org/
- HSMAI (Hospitality Sales and Marketing Association): https://www.hsmai.org/
- AHLA (American Hotel & Lodging Association): https://www.ahla.com/
- STR (Hotel data and analytics): https://str.com/
- OpenTravel Alliance: https://opentravel.org/
- Hospitality Technology: https://www.hospitalitytech.com/
- Revenue Management Best Practices: https://www.revparguru.com/

© personamanagmentlayer · Apache-2.0 · personamanagmentlayer/pcl

Похожие скиллы

Все скиллы по теме «Финансы и бизнес» →
event-hospitality Samuel Berthe Скилл event-hospitality помогает спланировать базовое питание, кофе-брейки, политику по алкоголю и вечернюю программу технической конференции. Он собирает бриф на основе ответов на структурированные вопросы. CX Codex +1 6 600установок finding-hospitality-brands-on-instagram apidojo Скилл finding-hospitality-brands-on-instagram находит отели и курорты в Instagram через парсер Apify, собирает охваты и делит контакты на три категории лидов для B2B-продаж. CX Codex +1 912установок agency-hospitality-guest-services huytran1120 Скилл agency-hospitality-guest-services для Claude Code ведёт клиентский сервис отелей и ресторанов. Составляет подтверждения брони, готовит ответы на претензии и шаблоны заездов. CX Codex +1 ★ 85звёзд репо portfolio-management-systems JoelLewis Скилл portfolio-management-systems помогает настраивать системы управления портфелями (PMS), сверять IBOR с кастодианом и отслеживать дрейф. Пригодится советникам при работе со структурой UMA. CX Codex +1 744установок pp-table-reservation-goat Pejman Pour-Moezzi Скилл pp-table-reservation-goat для Claude Code ищет свободные столы в OpenTable, Tock и Resy одновременно. Через агента он отслеживает отмены и бронирует столы. CX Codex +1 268установок mdr-745-specialist Alireza Rezvani Скилл mdr-745-specialist помогает классифицировать медизделия по EU MDR 2017/745, готовить техдокументацию и планировать клиническую оценку и PMS. CX Codex +1 737установок

Из того же набора104

Весь набор →
ml-expert Скилл ml-expert помогает проектировать пайплайны машинного обучения, обучать нейросети на PyTorch и разворачивать модели. Пригодится при работе над задачами классификации, регрессии и MLOps. CX Codex +1 369установок r-expert Скилл r-expert для Claude Code переводит агента в режим эксперта по R. Включается при статистическом анализе, визуализации в ggplot2 и работе с tidyverse. CX Codex +1 328установок java-expert Скилл java-expert настраивает агента на разработку корпоративных сервисов на Java 21+ и Spring Boot. Помогает писать чистый код с внедрением зависимостей через конструктор и сборкой в Maven или Gradle. CX Codex +1 307установок tableau-expert Скилл tableau-expert помогает проектировать дашборды Tableau, писать выражения LOD и ускорять тяжёлые книги вычислений. CX Codex +1 300установок blockchain-expert Скилл blockchain-expert для Claude Code разбирает блокчейн, Web3, Solidity, смарт-контракты и DeFi. Помогает проектировать, тестировать и аудировать криптосистемы. CX Codex +1 296установок farming-expert Скилл farming-expert даёт агенту агрономический контекст: севооборот, показания почвенных датчиков, NDVI и прогноз урожайности, с примерами кода на Python. CX Codex +1 283установок energy-expert Скилл energy-expert для Claude Code помогает с задачами по энергосистемам, умным сетям и SCADA. Подключается к запросам о возобновляемой энергетике, управлении мощностью и энергетической аналитике. CX Codex +1 282установок openapi-expert Скилл openapi-expert проектирует спецификации OpenAPI 3.0 и 3.1, настраивает полиморфизм схем и генерирует код клиентов или серверов. CX Codex +1 282установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой