SKILLEMALL.ai
EN Войти

BC linkfox-echotik-list-video-rank

Запрос рейтинга видео в TikTok по дневным, недельным или месячным спискам, а также по регионам и показателям ранжирования видео. Предоставляет списки популярных видео с такими метриками, как количество просмотров, лайков, комментариев, репостов, сохранений, продаж видео и GMV, охватывая 16 торговых площадок TikTok Shop. Активируется, когда пользователь упоминает "рейтинг видео TikTok", "список популярных видео TikTok", "ранжирование видео TikTok", "дневной рейтинг TikTok", "недельный рейтинг TikTok", "месячный рейтинг TikTok", "рейтинг видео с продажами TikTok", "рейтинг продаж видео TikTok", "рейтинг GMV видео TikTok", "рейтинг видео EchoTik", "TikTok video ranking", "TikTok top videos chart", "TikTok video leaderboard", "TikTok viral video ranking". Даже если пользователь не упоминает явно "EchoTik" или "рейтинг видео", навык активируется, если его запрос касается получения списка видео TikTok или ранжирования видео по дате.

машинный переводПоказать оригиналСкрыть оригинал«查询TikTok视频排行榜，按日榜、周榜或月榜以及区域与视频排名指标获取热门视频榜单，返回播放量、点赞、评论、分享、收藏、视频销量与GMV等…»

查询TikTok视频排行榜，按日榜、周榜或月榜以及区域与视频排名指标获取热门视频榜单，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视频排行、TikTok热门视频榜单、TikTok视频排名、TikTok日榜、TikTok周榜、TikTok月榜、TikTok带货视频排行、TikTok视频销量排行、TikTok视频GMV排行、EchoTik视频排行、TikTok video ranking, TikTok top videos chart, TikTok video leaderboard, TikTok viral video ranking时触发此技能。即使用户未明确提及"EchoTik"或"视频排行"，只要其需求涉及按日期获取TikTok视频榜单或视频排名，也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.2 MIT-0 6 файлов тело ≈ 2 057 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Запрос рейтинга видео в TikTok по дневным, недельным или месячным спискам, а также по регионам и показателям ранжирования видео.

Как процесс C 54/100 · 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
87/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
54/100
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 54/100

  • 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: 5, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 27, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2057 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

  • +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
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 379 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The ranking feature is real, but the skill also includes sensitive account login, API-key, billing, payment, feedback, and persistent-storage behavior that needs human review before installation.
LLM: suspicious (high) · 21 авг. 2026 г.