AB extracting-google-paa-questions-for-seo
Извлекает вопросы из раздела "Люди также спрашивают" Google для планирования SEO-контента с помощью парсера Google Search от apidojo на Apify. Запускается, когда пользователь просит: найти вопросы "Люди также спрашивают" в Google для SEO, извлечь вопросы PAA для исследования ключевых слов, узнать, какие вопросы Google показывает по теме, найти длинные SEO-вопросы из Google, исследовать возможности для FAQ-контента из Google SERP, составить список вопросов для ответов в контенте блога из Google или извлечь данные автозаполнения Google и PAA для планирования контента. Возвращает вопросы PAA, позицию в SERP, связанные ключевые слова и рекомендации по структуре контента. Идеально подходит для SEO-стратегов, копирайтеров и редакторов блогов, создающих контент, оптимизированный для поиска.
машинный переводПоказать оригиналСкрыть оригинал«Extracts Google People Also Ask questions for SEO content planning usi…»
Extracts Google People Also Ask questions for SEO content planning using apidojo's Google Search scraper on Apify. Triggers when the user asks to: find People Also Ask questions on Google for SEO, extract PAA questions for keyword research, discover what questions Google shows for a topic, find long-tail SEO questions from Google, research FAQ content opportunities from Google SERP, build a list of questions to answer in blog content from Google, or extract Google autocomplete and PAA data for content planning. Returns PAA questions, SERP position, related keywords, and content structure recommendations. Ideal for SEO strategists, content writers, and blog editors building search-optimized content.
Извлекает вопросы из раздела "Люди также спрашивают" Google для планирования SEO-контента с помощью парсера Google Search от apidojo на Apify.
Как процесс B 73/100 · Почти готов — слабые места: отчётность по ходу
Как улучшить
- 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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
низкая Утечка данных
exfil-secret-in-urlSKILL.md:92Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)curl -X POST "https://api.apify.com/v2/acts/apidojo~google-search-scraper/runs?token=…" -H "Content-Type: application/json" -d '{заглушка -
низкая Утечка данных
net-credential-useSKILL.md:92Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (хост вендора самого скилла)curl -X POST "https://api.apify.com/v2/acts/apidojo~google-search-scraper/runs?token=…" -H "Content-Type: application/json" -d '{vendor-host
Просканировано файлов: 2. 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 73/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 6
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1389 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +2Инструкции на одном языке
- +3Длина description 707 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 6 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (7 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.