AC influencer-fit-analyzer
Создайте список влиятельных лиц из категории, бюджета и рынка, или из ссылок на аккаунты и имен пользователей, которые у вас уже есть. Этот рабочий процесс анализа влиятельных лиц и подбора авторов читает общедоступные профили авторов и недавние публикации в TikTok, Douyin, Xiaohongshu, Instagram, YouTube и X, или работает с биографиями, количеством подписчиков и публикациями, которые вы вставляете, затем пишет меморандум на 8-12 человек с указанием подписчиков, недавних публикаций, взаимодействия, основных тем контента и решения о сотрудничестве. Используйте его для анализа влиятельных лиц, подбора авторов, составления списка влиятельных лиц и исследования авторов, когда вам нужно узнать, к кому обратиться для кампании или сотрудничества.
машинный переводПоказать оригиналСкрыть оригинал«Build an influencer shortlist from a category, budget, and market, or…»
Build an influencer shortlist from a category, budget, and market, or from account links and handles you already have. This influencer analysis and creator matching workflow reads public creator profiles and recent posts on TikTok, Douyin, Xiaohongshu, Instagram, YouTube, and X, or works from bios, follower counts, and posts you paste, then writes an 8-12 person memo with followers, recent play, interaction, content pillars, and a talk-or-not call. Use it for influencer analysis, creator matching, influencer shortlist, and creator research when you need who to approach for a campaign or collab.
Создайте список влиятельных лиц из категории, бюджета и рынка, или из ссылок на аккаунты и имен пользователей, которые у вас уже есть.
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск, 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 16. 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 60/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 14
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2054 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
- -32 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 601 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 14 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (10 из 10)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.