SKILLEMALL.ai

BD qinghu-bilibili-social

青虎AI B站 Управление социальными сетями: на основе трендов B站, поиска видео по ключевым словам, данных видео и комментариев, информации об авторах и их работах, создает комплексный план продвижения: «Разбор сценариев вирусных видео → Контроль общественного мнения по комментариям → Подбор авторов для продвижения». Активируется, когда пользователь хочет управлять соцсетями на B站, разбирать сценарии видео, искать авторов для продвижения, анализировать комментарии к видео, проводить продвижение. Ключевые слова: 青虎AI, B站, Bilibili, автор, длинное видео, разбор сценария, общественное мнение по комментариям, подбор для продвижения, продвижение, реклама.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI B 站社媒运营:结合 B 站热搜榜、关键词视频搜索、视频数据与评论、UP 主信息与主页作品,完成「中长视频爆款脚本拆解 → 弹幕评…»

青虎AI B 站社媒运营:结合 B 站热搜榜、关键词视频搜索、视频数据与评论、UP 主信息与主页作品,完成「中长视频爆款脚本拆解 → 弹幕评论舆情把控 → 高黏性 UP 主投放匹配」的深度硬核种草方案。当用户要做 B 站运营、拆解中长视频脚本、找 UP 主投放、看视频评论舆情、做硬核种草时必须触发。关键词:青虎AI、B站、哔哩哔哩、UP主、中长视频、脚本拆解、评论舆情、投放匹配、硬核种草、恰饭。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 539 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI B站 Управление социальными сетями: на основе трендов B站, поиска видео по ключевым словам, данных видео и комментариев, информации об авторах и их работах…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 43/100

  • 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: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1539 токенов

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 199 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a coherent Bilibili marketing-analysis helper that uses a disclosed Qinghu API and local exports, with risks users should understand before granting API access.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.