SKILLEMALL.ai

AC xhs-content-and-creator-data-guaikei

Ищите открытые заметки Xiaohongshu, просматривайте детали заметок и комментарии, получайте данные комментариев к заметкам, извлекайте список открытых работ автора — возвращайте структурированные данные для анализа популярных материалов, анализа конкурентов, отбора KOL и понимания тенденций. Используйте этот навык, когда пользователь хочет найти популярный контент на Xiaohongshu, проанализировать заметку или ее раздел комментариев, отслеживать публикации автора или изучить популярность ключевого слова на Xiaohongshu; даже если пользователь явно не упоминает «Xiaohongshu» или «данные», но упоминает «红笔记» («красные заметки»), «xhs», или предоставляет ссылку на xiaohongshu.com / xhslink.com и хочет получить данные контента, этот навык также применим. Не используется для входа, публикации, лайков или получения приватного контента.

машинный переводПоказать оригиналСкрыть оригинал«搜索小红书公开笔记、查看笔记详情与评论、获取笔记评论数据、抓取博主公开作品列表——返回结构化数据用于爆款挖掘、竞品分析、KOL筛选与趋势洞察…»

搜索小红书公开笔记、查看笔记详情与评论、获取笔记评论数据、抓取博主公开作品列表——返回结构化数据用于爆款挖掘、竞品分析、KOL筛选与趋势洞察。当用户想找小红书上的爆款内容、分析某篇笔记或其评论区、监控某博主发文、或调研某关键词在小红书的热度时使用本技能;即使用户没明确说"小红书"或"数据",只要提到"红笔记""xhs",或给出 xiaohongshu.com / xhslink.com 链接并想拿内容数据,也适用。不用于登录、发布、点赞或获取私密内容。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 24 файла тело ≈ 1 474 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ищите открытые заметки Xiaohongshu, просматривайте детали заметок и комментарии, получайте данные комментариев к заметкам, извлекайте список открытых работ…

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

ПроцедураПоддержка клиентовтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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")

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: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1474 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 228 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a coherent Xiaohongshu public-data research tool, but it sends user queries and links to guaikei and saves returned results locally.
LLM: benign (high) · VirusTotal: · 16 авг. 2026 г.