SKILLEMALL.ai

BF douyin-quick-fetch-public-guaikei

Используйте этот навык, когда пользователю нужны общедоступные данные из TikTok. Четыре возможности: поиск по ключевым словам (видео/изображения/пользователи, с фильтрацией по сортировке/времени/длительности/типу), массовый сбор работ блогеров, получение и анализ комментариев к видео, запрос актуальных трендов. Активируется, когда пользователь упоминает поиск в TikTok, тренды TikTok, комментарии в TikTok, работы блогеров, анализ конкурентов, выбор темы для коротких видео, мониторинг общественного мнения, анализ общественного мнения, отслеживание трендов; также применяется, когда пользователь проводит исследование коротких видео, но явно не упоминает «TikTok». Не применяется для публикации/монтажа/скачивания видео, консультаций по накрутке подписчиков и управлению аккаунтом, а также не охватывает другие платформы коротких видео.

машинный переводПоказать оригиналСкрыть оригинал«当用户需要抖音公开数据时使用本技能。四项能力:关键词搜索(视频/图文/用户,支持排序/时间/时长/类型筛选)、博主作品批量抓取、视频评论获取…»

当用户需要抖音公开数据时使用本技能。四项能力:关键词搜索(视频/图文/用户,支持排序/时间/时长/类型筛选)、博主作品批量抓取、视频评论获取分析、实时热榜查询。用户提到抖音搜索、抖音热榜、抖音评论、博主作品、竞品分析、短视频选题、舆情监控、舆情分析、热点追踪时触发;做短视频调研未明确提到"抖音"时同样适用。不适用于发布/剪辑/下载视频、涨粉代运营咨询,也不覆盖其他短视频平台。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 34 файла тело ≈ 894 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте этот навык, когда пользователю нужны общедоступные данные из TikTok.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/*.schema.json

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/*.schema.json
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 34. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/*.schema.json
  • заметка frontmatter-key неизвестное поле фронтматтера "title"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/*.schema.json
  • 0Инструменты и файлы. Не хватает 1 файла(ов): assets/*.schema.json
  • 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
  • 100Шаги. Шагов: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 894 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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
  • +2Инструкции на одном языке
  • +3Длина description 189 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This skill performs the advertised Douyin data collection, but it is broad-triggered and automatically stores large public-profile/comment datasets locally without strong user control or retention guidance.
LLM: suspicious (high) · 25 авг. 2026 г.