SKILLEMALL.ai

AC ljh-qianchuan

Диагностика падения трафика Qianchuan. Пользователь описывает симптомы падения трафика, проходит по дереву решений шаг за шагом, и через две минуты предлагает первое действие. Способ активации: /ljh-qianchuan, «трафик Qianchuan упал», «расходы Qianchuan резко снизились», «ROI резко упал» Инструмент диагностики падения трафика рекламной платформы Douyin (Qianchuan). Проходит по дереву решений шаг за шагом, чтобы определить первое действие в течение двух минут. Активация: /ljh-qianchuan, «мой рекламный бюджет иссяк», «трафик Qianchuan исчез», «ROI внезапно упал» Не активируйте автоматически для проблем с рекламными платформами, отличными от Qianchuan, или для проблем со снижением трафика веб-сайта.

машинный переводПоказать оригиналСкрыть оригинал«千川掉量诊断器。用户描述掉量症状,按决策树一步步走,两分钟给出第一动作。 触发方式:/ljh-qianchuan、「千川消耗掉了」「投放量突…»

千川掉量诊断器。用户描述掉量症状,按决策树一步步走,两分钟给出第一动作。 触发方式:/ljh-qianchuan、「千川消耗掉了」「投放量突然没了」「ROI 掉了怎么办」 Douyin ad (Qianchuan) traffic-drop diagnostic tool. Walks through a decision tree one node at a time to find the first action within two minutes. Trigger: /ljh-qianchuan, "my ad spend dropped", "Qianchuan traffic disappeared", "ROI suddenly dropped" 不要在非千川的广告平台问题或网站流量下降问题上自动触发。

ClawHub Agent Skills автор: HandsoMeng v1.0.0 MIT-0 2 файла тело ≈ 2 003 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Диагностика падения трафика Qianchuan.

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

АнализаторТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"

    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: 48
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2003 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 16. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 364 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 48 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    The skill is not clearly malicious, but it needs Review because it expands beyond its advertised diagnostic purpose and uses persistent local files without enough upfront disclosure.
    LLM: suspicious (high) · 6 авг. 2026 г.