AC meta-ad-spy
Навык конкурентной разведки для отслеживания рекламы конкурентов с помощью библиотеки рекламы Meta. Используйте этот навык всякий раз, когда пользователь хочет: исследовать рекламу конкурентов в Facebook/Instagram, анализировать рекламные стратегии, извлекать рекламные креативы или тексты, узнавать, как долго показывается реклама, изучать закономерности расходов на рекламу, отслеживать тенденции в рекламе отрасли или создавать любой отчет по конкурентной рекламной разведке. Активируется по фразам вроде «проверить рекламу конкурентов», «какую рекламу запускает [бренд]», «шпионить за рекламой», «библиотека рекламы Facebook», «библиотека рекламы Meta», «соскрести рекламу», «отслеживать рекламу», «рекламная разведка», «исследование рекламы» или любому запросу на анализ рекламных стратегий на платформах Meta. Всегда используйте этот навык, даже если пользователь просто упоминает, что хочет понять, что конкурент делает на Facebook или Instagram.
машинный переводПоказать оригиналСкрыть оригинал«Competitive intelligence skill for spying on competitor ads using Meta…»
Competitive intelligence skill for spying on competitor ads using Meta's Ad Library. Use this skill whenever the user wants to: research competitor Facebook/Instagram ads, analyze ad strategies, extract ad creatives or copy, find how long ads have been running, scout ad spend patterns, monitor industry advertising trends, or build any kind of competitor ad intelligence report. Triggers on phrases like "check competitor ads", "what ads is [brand] running", "spy on ads", "Facebook ad library", "Meta ad library", "scrape ads", "monitor ads", "ad intelligence", "ad research", or any request to analyze advertising strategies on Meta platforms. Always use this skill even if the user just mentions they want to understand what a competitor is doing on Facebook or Instagram.
Навык конкурентной разведки для отслеживания рекламы конкурентов с помощью библиотеки рекламы Meta.
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
- предупреждение
body-longтело SKILL.md ≈ 5339 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 60/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 5339 токенов
- 100Шаги. Шагов: 30
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 776 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 27 заголовков
- +3Пошаговые инструкции: 30 пунктов
- +4Есть примеры (13 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.