SKILLEMALL.ai

BD qinghu-tiktok-influencer

青虎AI TikTok: Связь с инфлюенсерами для продаж. Фильтрует инфлюенсеров из базы данных по регионам и категориям, массово проверяет детали инфлюенсеров, списки их видео и продаваемых товаров, а также находит связанных инфлюенсеров по товарам и магазинам, чтобы точно подобрать инфлюенсеров с высокой рентабельностью инвестиций и избежать слепых отправлений образцов. Обязательно активируйте, когда пользователь хочет найти инфлюенсеров для продаж на TikTok, установить связь с инфлюенсерами, выбрать ведущих, посмотреть, какие товары продавали инфлюенсеры, оценить их способность продавать товары или посмотреть, каких инфлюенсеров выбрали конкуренты. Ключевые слова: 青虎AI, TikTok, TikTok Shop, инфлюенсер, звезда, связь, отправка образцов, продажи, ROI, ведущий, KOL.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI TikTok 达人带货建联:从达人库按站点和类目筛达人,批量查达人详情、达人视频列表与带货商品列表,反向从商品和店铺找关联带货达人…»

青虎AI TikTok 达人带货建联:从达人库按站点和类目筛达人,批量查达人详情、达人视频列表与带货商品列表,反向从商品和店铺找关联带货达人,精准匹配高 ROI 达人,避免盲目寄样。当用户要在 TikTok 找带货达人、做达人建联、筛选主播、看达人带过什么货、评估达人带货能力、看竞品找了哪些达人时必须触发。关键词:青虎AI、TikTok、TikTok Shop、达人、红人、建联、寄样、带货、ROI、主播、KOL。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 555 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI TikTok: Связь с инфлюенсерами для продаж.

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

ПроцедураМаркетингтип 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: 39
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1555 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 208 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: clean
This markdown-only skill is coherent with its stated TikTok influencer research purpose, but users should expect Qinghu API use, token access, charges, and local spreadsheet exports.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.