SKILLEMALL.ai

AB xiaohongshu-ad-ops

Планируйте, структурируйте и оптимизируйте рабочие процессы рекламных кампаний Xiaohongshu (小红书) для привлечения лидов, электронной коммерции, повышения узнаваемости бренда и кампаний, ориентированных на конверсию. Используйте, когда пользователь хочет получить стратегию кампании, структуру аккаунта, ракурсы аудитории, брифы на заметки/рекламные креативы, хуки для целевых страниц, распределение бюджета, планы тестирования, дизайн KPI, правила итерации креативов или многоразовый рабочий процесс для рекламных кампаний в Xiaohongshu и привлечения внимания к продукту (小红书广告投放 и 种草转化). Также используйте, когда пользователь хочет превратить продукт или услугу в операционный план рекламы в Xiaohongshu, а не в общие маркетинговые советы.

машинный переводПоказать оригиналСкрыть оригинал«Plan, structure, and optimize Xiaohongshu (小红书) advertising workflows…»

Plan, structure, and optimize Xiaohongshu (小红书) advertising workflows for lead generation, ecommerce, brand seeding, and conversion-oriented campaigns. Use when the user wants campaign strategy, account structure, audience angles, note/ad creative briefs, landing page hooks, budget allocation, testing plans, KPI design, creative iteration rules, or a reusable workflow for 小红书广告投放 and 种草转化. Also use when the user wants to turn a product or service into a Xiaohongshu ad operating plan rather than generic marketing advice.

ClawHub Agent Skills автор: Koi v0.2.0 MIT-0 11 файлов тело ≈ 775 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Планируйте, структурируйте и оптимизируйте рабочие процессы рекламных кампаний Xiaohongshu (小红书) для привлечения лидов, электронной коммерции, повышения…

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ПроцедураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 68/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 87
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 775 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 525 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 87 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (7 из 7)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.

    Внешние проверки

    ClawHub: clean
    This is a straightforward Xiaohongshu ad-planning skill with local reference material and a small optional script, with no hidden network, credential, persistence, or destructive behavior found.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.