AC article-content-extractor-api-skill
Этот навык помогает пользователям запускать шаблон Article Content Extractor BrowserAct и извлекать структурированные общедоступные данные. Используйте этот навык, когда пользователи просят собрать данные из экстрактора контента статей, извлечь результаты экстрактора контента статей, отслеживать общедоступные записи из этого источника, экспортировать структурированные записи для анализа, сравнивать списки или продукты, обогащать набор данных общедоступными полями из Интернета, собирать доказательства для исследования рынка, собирать сигналы о ценах или доступности, извлекать данные отзывов или рейтингов, автоматизировать повторяющееся извлечение общедоступных данных, создавать список потенциальных клиентов или исследовательский список, или вызывать шаблон BrowserAct через API.
машинный переводПоказать оригиналСкрыть оригинал«This skill helps users run the Article Content Extractor BrowserAct te…»
This skill helps users run the Article Content Extractor BrowserAct template and extract structured public data. Use this skill when users ask to collect article content extractor data, scrape article content extractor results, monitor public records from this source, export structured records for analysis, compare listings or products, enrich a dataset with public web fields, gather market research evidence, collect pricing or availability signals, retrieve review or rating data, automate repeatable public data extraction, build a lead or research list, or call the BrowserAct template by API.
Этот навык помогает пользователям запускать шаблон Article Content Extractor BrowserAct и извлекать структурированные общедоступные данные.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 3. 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 53/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 45
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1453 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 600 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 45 пунктов
- +4Есть примеры (1 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.