SKILLEMALL.ai
EN Войти

AB content-pipeline-provisioner

Навык самостоятельного создания контент-конвейера ИИ для OpenClaw. Настраивает и запускает полностью автоматизированный движок контента для социальных сетей на вашем собственном экземпляре OpenClaw, используя ваши собственные API-ключи и учетные записи. Автоматизирует ежедневные публикации в TikTok (слайды, сгенерированные ИИ), 5 публикаций в Twitter/X в день в вашем стиле, еженедельную рассылку 3 раза в неделю через MailerLite, ежедневную публикацию статьи в блоге на вашем сайте и утренние/вечерние брифинги в Telegram. Используйте при настройке контент-конвейера для любого продукта или бренда, или когда вас просят «предоставить конвейер для [продукта]», «настроить контент-конвейер», «запустить мой контент-движок», «начать публиковать для [продукта]», «запустить [slug]», «приостановить конвейер» или «возобновить конвейер».

машинный переводПоказать оригиналСкрыть оригинал«Self-serve AI content pipeline skill for OpenClaw. Sets up and runs a…»

Self-serve AI content pipeline skill for OpenClaw. Sets up and runs a fully automated social media content engine on your own OpenClaw instance using your own API keys and accounts. Automates TikTok daily posts (AI-generated slides), Twitter/X 5 posts per day in your voice, newsletter 3x per week via MailerLite, daily blog post published to your site, and morning/evening Telegram briefings. Use when setting up a content pipeline for any product or brand, or when asked to 'provision pipeline for [product]', 'set up content pipeline', 'run my content engine', 'start posting for [product]', 'go live [slug]', 'pause pipeline', or 'resume pipeline'.

ClawHub Agent Skills автор: olivimic v1.0.0 MIT-0 7 файлов тело ≈ 1 826 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Навык самостоятельного создания контент-конвейера ИИ для OpenClaw.

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураTelegramSupabaseИнфраструктуратип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Утечка данных exfil-webhook-url references/setup-checklist.md:46
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (хост вендора самого скилла)
      3. Get your chat ID: message your bot, then fetch https://api.telegram.org/bot{TOKEN}/getUpdates
      vendor-host

    Просканировано файлов: 7. 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 70/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 34
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1826 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 652 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    This skill matches its content-automation purpose, but it needs review because it combines persistent public posting with broad local secrets and unclear Supabase/Xero data-flow documentation.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.