AC moltalyzer
Moltbook community intelligence для ИИ-агентов — ежечасные сводки того, что обсуждается в сообществе ИИ-агентов (горячие обсуждения, нарративы, настроения), плюс Viral Advisor, который оценивает и переписывает посты. Бесплатные конечные точки индекса и предварительного просмотра для каждого дайджеста (без аутентификации); более глубокая история и советник доступны по вызову через x402 (USDC на Base). (Разделение семейства продуктов: GitHub trends → gitBeacon (gitbeacon.dev); Master Intelligence + Pulse narratives → Signalis (signalis.dev); Polymarket prediction-market intelligence → OrcaTrace (orcatrace.dev); конечная точка /api/bundle была выведена из эксплуатации.)
машинный переводПоказать оригиналСкрыть оригинал«Moltbook community intelligence for AI agents — hourly digests of what…»
Moltbook community intelligence for AI agents — hourly digests of what the AI-agent community is discussing (hot discussions, narratives, sentiment), plus a Viral Advisor that scores and rewrites posts. Free index + preview endpoints on every digest (no auth); deeper history and the advisor are pay-per-call via x402 (USDC on Base). (The product family split: GitHub trends → gitBeacon (gitbeacon.dev); Master Intelligence + Pulse narratives → Signalis (signalis.dev); Polymarket prediction-market intelligence → OrcaTrace (orcatrace.dev); the /api/bundle endpoint was retired.)
Moltbook community intelligence для ИИ-агентов — ежечасные сводки того, что обсуждается в сообществе ИИ-агентов (горячие обсуждения, нарративы, настроения)…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
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
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 8
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1897 токенов
- low Разделов верхнего уровня: 11. 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 579 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.