SKILLEMALL.ai

AC research-social-signals

Получайте отслеживаемые общедоступные посты, профили, тренды, состояние пагинации и нативные метрики из X, Reddit, Xiaohongshu, Zhihu, LinkedIn и WeChat через SignalDig Social Data MCP. Используйте для получения социальных данных и проверки параметров, а не для анализа настроений, производительности, контента, маркетинга или принятия бизнес-решений. Требуется подключенная функция MCP и ключ API SignalDig — установка этого навыка не подключает сервер, а недоступные инструменты никогда не должны имитироваться.

машинный переводПоказать оригиналСкрыть оригинал«Retrieve traceable public posts, profiles, trends, pagination state, a…»

Retrieve traceable public posts, profiles, trends, pagination state, and native metrics from X, Reddit, Xiaohongshu, Zhihu, LinkedIn, and WeChat through the SignalDig Social Data MCP. Use for social-data retrieval and parameter validation, not sentiment, performance, content, marketing, or business decisions. Requires a connected MCP capability and SignalDig API key—installing this Skill does not connect the server, and unavailable tools must never be simulated.

ClawHub Agent Skills автор: JerryKik v1.6.5 MIT-0 7 файлов тело ≈ 3 977 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Получайте отслеживаемые общедоступные посты, профили, тренды, состояние пагинации и нативные метрики из X, Reddit, Xiaohongshu, Zhihu, LinkedIn и WeChat через…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ИнтеграцияИИ и агентыДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
50
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

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

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 61
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3977 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

    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 466 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 61 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed workflow for retrieving public social-media data through SignalDig, with no executable code or hidden behavior found.
    LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.