SKILLEMALL.ai
EN Войти

BC linkfox-echotik-list-video

Поиск и анализ данных видео TikTok по регионам, авторам, товарам, категориям, количеству просмотров, продолжительности, времени публикации, наличию продаж/рекламы/AI-видео и другим условиям. Возвращает такие показатели, как количество просмотров, лайки, комментарии, репосты, сохранения, продажи товаров и GMV. Охватывает 16 площадок TikTok Shop. Срабатывает, когда пользователь упоминает поиск видео TikTok, список видео TikTok, видео TikTok с продажами, данные видео TikTok, количество просмотров видео TikTok, продажи видео TikTok, анализ видео TikTok, видео EchoTik, TikTok video search, TikTok video list, TikTok video analytics, TikTok promotional videos, TikTok video views, TikTok video engagement. Даже если пользователь явно не упоминает «EchoTik» или «TikTok», этот навык должен срабатывать, если его запрос включает поиск или анализ показателей эффективности видео TikTok по определенным условиям.

машинный переводПоказать оригиналСкрыть оригинал«搜索和分析TikTok视频数据，按区域、达人、商品、类目、播放量、时长、发布时间、是否带货/投流/AI视频等条件筛选视频，返回播放量、点赞、…»

搜索和分析TikTok视频数据，按区域、达人、商品、类目、播放量、时长、发布时间、是否带货/投流/AI视频等条件筛选视频，返回播放量、点赞、评论、分享、收藏、视频销量与GMV等指标，覆盖16个TikTok Shop站点。当用户提到TikTok视频搜索、TikTok视频列表、TikTok带货视频、TikTok视频数据、TikTok视频播放量、TikTok视频销量、TikTok视频分析、EchoTik视频、TikTok video search, TikTok video list, TikTok video analytics, TikTok promotional videos, TikTok video views, TikTok video engagement时触发此技能。即使用户未明确提及"EchoTik"或"TikTok"，只要其需求涉及按条件搜索或分析TikTok视频表现指标，也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.2 MIT-0 6 файлов тело ≈ 2 513 токенов Открыть источникclawhub.ai↗ проанализирован 25 ч назад

Поиск и анализ данных видео TikTok по регионам, авторам, товарам, категориям, количеству просмотров, продолжительности, времени публикации, наличию…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураМаркетингМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:13
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    - macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
    в кавычках
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:14
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)
    - Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/onboarding.py:49
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 57/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2513 токенов
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 408 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
This TikTok analytics skill has a real analytics function, but it also includes automatic feedback reporting, account/payment onboarding, and local storage behavior that need review before installation.
LLM: suspicious (high) · 14 авг. 2026 г.