SKILLEMALL.ai

BC social-persona-profiling

Создание профилей людей по следам в соцсетях — аватар, фон профиля/обложки, никнейм, настройки приватности/видимости, поведение в чате, общий контент, самоописания — на разных платформах (WeChat, WhatsApp, Instagram, LinkedIn, Telegram, X) и в разных культурах. Предоставляет честное, взвешенное по доказательствам описание личности, анализ отношений или рекомендации «что делать дальше». Создано для тех, кто оценивает коллегу, партнера, друга или незнакомца по ограниченным онлайн-сигналам. Возможности: оценка черт Большой пятерки (OCEAN), самопрезентация и самоконтроль (Гоффман/Снайдер), саморазличие Хиггинса, защитные механизмы (Валлант), сигналы привязанности и выгорания, трехуровневое отображение личности (публичная личность / личное "я" / самоописание), атрибуция кризиса в отношениях и исследовательское недирективное обсуждение следующих шагов по сценарию (рабочее место / свидания / дружба / обнаружение мошенничества). Меры безопасности: трехуровневая оценка достоверности (объективный факт / поведенческий вывод / рабочая гипотеза), корректировка модератором с учетом возраста, культуры (индивидуалистская против коллективистской), платформы, базовых черт личности и поколения цифровых аборигенов, проверка симметрии проекций и фильтр эффекта Барнума, который удаляет любое утверждение, верное для любого человека.

машинный переводПоказать оригиналСкрыть оригинал«Profile people from social-media traces — avatar, profile/cover backgr…»

Profile people from social-media traces — avatar, profile/cover background, nickname, privacy/visibility settings, chat behavior, shared content, self-reported labels — across platforms (WeChat, WhatsApp, Instagram, LinkedIn, Telegram, X) and cultures, and deliver an honest, evidence-weighted persona read, relationship analysis, or "what should I do next" guidance. Built for anyone sizing up a colleague, date, friend, or stranger from limited online signals. Capabilities: Big Five (OCEAN) trait estimation, self-presentation & self-monitoring (Goffman/Snyder), Higgins self-discrepancy, defense mechanisms (Vaillant), attachment and burnout signals, three-layer persona mapping (public persona / private self / self-reported), relationship-crisis attribution, and exploratory non-directive next-step discussion by scenario (workplace / dating / friendship / scam detection). Safeguards: three-tier confidence grading (objective fact / behavioral inference / working hypothesis), moderator adjustment for age, culture (individualist vs collectivist), platform, personality baseline and digital-native generation, projection-symmetry check, and a Barnum-effect filter that deletes any statement true of anyone.

ClawHub Agent Skills автор: haiyangchen v1.0.11 MIT-0 5 файлов тело ≈ 4 311 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Создание профилей людей по следам в соцсетях — аватар, фон профиля/обложки, никнейм, настройки приватности/видимости, поведение в чате, общий контент…

Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

Роль и тонTelegramWhatsAppДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
56
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1214 символов, лимит 1024
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 61/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 4311 токенов
  • 85Шаги. Шагов: 68, расплывчатых формулировок: 3
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 12. 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)
  • +3Длина description 1213: рекомендуется 120–800 символов
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 68 пунктов
  • +3Формат ответа описан явно
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.

Внешние проверки

ClawHub: clean
This skill is a disclosed, text-only social-persona analysis prompt with privacy and anti-misuse safeguards, though users should treat its outputs as speculative and avoid sensitive decisions.
LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.