SKILLEMALL.ai

AC xhs-guaikei-look-note

Извлекает список общедоступных работ блогеров Xiaohongshu и, в сочетании с деталями постов и комментариями, восстанавливает их ритм публикаций, стиль контента и показатели взаимодействия. Используйте этот навык, когда пользователь хочет проанализировать аккаунт конкурента на Xiaohongshu, отследить, что недавно публиковал конкурентный блогер, или собрать данные для дифференцированной стратегии; даже если пользователь не сказал «анализ конкурентов», навык применим, если ему предоставлена ссылка на главную страницу блогера и он хочет понять его контент. Не используется для данных, требующих входа в систему, или для конфиденциальных данных.

машинный переводПоказать оригиналСкрыть оригинал«抓取小红书博主公开作品列表并配合笔记详情与评论,还原其发文节奏、内容风格与互动表现。当用户要分析小红书竞品账号、监控对手博主最近发了什么、或…»

抓取小红书博主公开作品列表并配合笔记详情与评论,还原其发文节奏、内容风格与互动表现。当用户要分析小红书竞品账号、监控对手博主最近发了什么、或为差异化策略准备数据时使用本技能;即使用户没说"竞品分析",只要给了博主主页链接并想了解其内容表现也适用。不用于登录态或私密数据。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 24 файла тело ≈ 941 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Извлекает список общедоступных работ блогеров Xiaohongshu и, в сочетании с деталями постов и комментариями, восстанавливает их ритм публикаций, стиль контента…

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
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: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 941 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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 135 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (4 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 disclosed command-line tool for retrieving public Xiaohongshu data through a third-party API, with some privacy and retention considerations users should understand.
LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.