SKILLEMALL.ai
EN Войти

AC guaikei-xhs-data-assistant

Навык работы с общедоступными данными Xiaohongshu от guaikei: поиск заметок, деталей, комментариев, мониторинг публикаций блогеров, возврат структурированных данных. Используется, когда пользователю нужны данные контента Xiaohongshu для поиска вирусных продуктов / анализа конкурентов / отбора KOL / анализа комментариев; применим, даже если пользователь не упоминает Xiaohongshu, но контекст касается поиска контента в "красных заметках". Требуется GUAIKEI_API_TOKEN. Не используется для входа в систему или для конфиденциальных данных.

машинный переводПоказать оригиналСкрыть оригинал«guaikei 出品的小红书公开数据技能：笔记搜索、详情、评论、博主作品监控，返回结构化数据。当用户需要小红书内容数据做爆款挖掘/竞品分析/…»

guaikei 出品的小红书公开数据技能：笔记搜索、详情、评论、博主作品监控，返回结构化数据。当用户需要小红书内容数据做爆款挖掘/竞品分析/KOL筛选/评论洞察时使用本技能；即使用户没点名小红书，只要语境涉及红笔记内容挖掘也适用。需 GUAIKEI_API_TOKEN。不用于登录或私密数据。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 24 файла тело ≈ 988 токенов Открыть источникclawhub.ai↗ проанализирован 35 ч назад

Навык работы с общедоступными данными Xiaohongshu от guaikei: поиск заметок, деталей, комментариев, мониторинг публикаций блогеров, возврат структурированных…

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

ПроцедураТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 24. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "name_cn"

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: 19
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 988 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

  • +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 146 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 19 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: 76.

Внешние проверки

ClawHub: clean
This skill is a read-only Xiaohongshu public-data helper, but users should understand that it sends requests through guaikei.com and saves fetched results locally.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.