AB seo-keyword-research-aisa-api
Используйте этот навык, когда пользователь запрашивает исследование SEO-ключевых слов, поиск ключевых слов, анализ объема поиска, сложность ключевых слов, сопоставление поисковых намерений, тематические кластеры, возможности для контента, пробелы в ключевых словах конкурентов или стратегию ключевых слов для домена, URL, продукта, рынка или начальной темы. Когда предоставлен веб-сайт, сначала просканируйте и интерпретируйте сайт, затем используйте доступ к API AIsa для конечных точек DataForSEO по ключевым словам, SERP, трендам, Labs и OnPage плюс рассуждения AIsa LLM, чтобы найти возможности для небрендовых ключевых слов. Используйте, когда: пользователю нужен веб-поиск, исследование, обнаружение источников или извлечение контента.
машинный переводПоказать оригиналСкрыть оригинал«Use this skill when a user asks for SEO keyword research, keyword disc…»
Use this skill when a user asks for SEO keyword research, keyword discovery, search volume analysis, keyword difficulty, search intent mapping, topic clusters, content opportunities, competitor keyword gaps, or a keyword strategy for a domain, URL, product, market, or seed topic. When a website is provided, crawl and interpret the site first, then use AIsa API access to DataForSEO keyword, SERP, trend, Labs, and OnPage endpoints plus AIsa LLM reasoning to find non-brand keyword opportunities. Use when: the user needs web search, research, source discovery, or content extraction.
Используйте этот навык, когда пользователь запрашивает исследование SEO-ключевых слов, поиск ключевых слов, анализ объема поиска, сложность ключевых слов…
Как процесс B 69/100 · Почти готов — 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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage" - заметка
frontmatter-keyнеизвестное поле фронтматтера "source" - заметка
frontmatter-keyнеизвестное поле фронтматтера "primaryEnv" - заметка
frontmatter-keyнеизвестное поле фронтматтера "requires"
Процессный рейтинг: все десять параметров 69/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 132
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Входы и предусловия. Входные данные и предусловия перечислены
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3569 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 585 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 132 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 2 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.