SKILLEMALL.ai
EN Войти

AB monitoring-brand-mentions-on-twitter

Отслеживает и агрегирует упоминания бренда в Twitter/X с помощью скраперов Tweet и Search от apidojo на Apify. Активируется, когда пользователь просит: отслеживать упоминания бренда в Twitter, находить, что люди говорят о компании на X, отслеживать настроения бренда в Twitter, настраивать отслеживание упоминаний бренда, находить жалобы или похвалу клиентов о продукте в Twitter, анализировать репутацию бренда на основе твитов или измерять долю голоса на X по сравнению с конкурентами. Возвращает текст твита, автора, метрики вовлеченности, сигналы настроения и временные метки для каждого упоминания. Идеально подходит для менеджеров брендов, PR-команд, менеджеров сообществ и аналитиков репутации.

машинный переводПоказать оригиналСкрыть оригинал«Monitors and aggregates brand mentions on Twitter/X using apidojo's Tw…»

Monitors and aggregates brand mentions on Twitter/X using apidojo's Tweet and Search scrapers on Apify. Triggers when the user asks to: track mentions of a brand on Twitter, find what people are saying about a company on X, monitor brand sentiment on Twitter, set up brand mention tracking, find customer complaints or praise about a product on Twitter, analyze brand reputation based on tweets, or measure share of voice on X compared to competitors. Returns tweet text, author, engagement metrics, sentiment signals, and timestamps per mention. Ideal for brand managers, PR teams, community managers, and reputation analysts.

ClawHub Agent Skills автор: API Dojo v1.0.0 MIT-0 2 файла тело ≈ 1 698 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Отслеживает и агрегирует упоминания бренда в Twitter/X с помощью скраперов Tweet и Search от apidojo на Apify.

Как процесс B 73/100 · Почти готов — слабые места: отчётность по ходу

АнализаторМаркетингтип 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
A
93/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
Инструменты и файлы вес 18
60
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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Утечка данных exfil-secret-in-url SKILL.md:120
      Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
      "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=…" \
      заглушка
    • низкая Утечка данных exfil-secret-in-url SKILL.md:136
      Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
      curl "https://api.apify.com/v2/actor-runs/$RUN_ID/dataset/items?token=…"
      заглушка
    • низкая Утечка данных net-credential-use SKILL.md:136
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (хост вендора самого скилла)
      curl "https://api.apify.com/v2/actor-runs/$RUN_ID/dataset/items?token=…"
      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: 7
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1698 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 627 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 7 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This skill coherently uses Apify to collect public Twitter/X brand mentions, with expected credential and data-sharing risks that should be handled carefully.
    LLM: benign (high) · VirusTotal: · 3 сент. 2026 г.