SKILLEMALL.ai

BC sexy-Claw

🦞 色😍龙虾 - Поиск и рекомендация привлекательных блогеров/видео на нескольких платформах (Xiaohongshu, Douyin, YouTube, Bilibili) в соответствии с эстетическими предпочтениями пользователя. Автоматически получает куки пользователя, изучает предпочтения пользователя и предоставляет персонализированный контент. Сценарии использования: - Пользователь говорит «ищи красивых девушек/милых девушек/привлекательных блогеров» - Пользователь упоминает конкретную платформу (Xiaohongshu/Douyin/YouTube/Bilibili) - Пользователь указывает эстетические предпочтения (например, «мне нравится тип habin/leeesovely») - Пользователь просит «порекомендовать блогеров, похожих на XXX» Триггерные слова: 找美女, 搜小姐姐, 颜值博主, 推荐博主, habin, leeesovely, 小红书美女, 抖音美女, B站小姐姐, YouTube美女, 色龙虾

машинный переводПоказать оригиналСкрыть оригинал«🦞 色😍龙虾 - 根据主人审美偏好,在多个平台(小红书、抖音、YouTube、B站)搜索并推荐颜值博主/视频。 自动获取用户cookie…»

🦞 色😍龙虾 - 根据主人审美偏好,在多个平台(小红书、抖音、YouTube、B站)搜索并推荐颜值博主/视频。 自动获取用户cookies,学习主人喜好,推送个性化内容。 使用场景: - 主人说"找美女/小姐姐/颜值博主" - 主人提到特定平台(小红书/抖音/YouTube/B站) - 主人给出审美偏好(如"喜欢 habin/leeesovely 这种类型") - 主人要求"推荐类似 XXX 的博主" 触发词:找美女、搜小姐姐、颜值博主、推荐博主、habin、leeesovely、 小红书美女、抖音美女、B站小姐姐、YouTube美女、色龙虾

ClawHub Agent Skills автор: deanzh0912 v1.0.0 MIT-0 8 файлов тело ≈ 538 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

🦞 色😍龙虾 - Поиск и рекомендация привлекательных блогеров/видео на нескольких платформах (Xiaohongshu, Douyin, YouTube, Bilibili) в соответствии с…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 538 токенов
  • 100Повторный запуск. Изменяющих операций нет

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 4 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 283 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (11 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
The skill is a disclosed recommendation/search helper, but it asks users to store live social-media cookies and includes unsafe shell execution paths that could run unintended local commands.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.