SKILLEMALL.ai

AF xiaohongshu-deep-research

Глубокое исследование тем Xiaohongshu (小红书). Используйте, когда пользователь хочет исследовать тему, анализировать тенденции, собирать информацию из популярных постов или создавать сводный отчет. Сканирует посты через поиск, извлекает контент с высокой вовлеченностью, генерирует анализ со ссылками на посты. Требует запущенного сервиса xiaohongshu-mcp.

машинный переводПоказать оригиналСкрыть оригинал«Deep research on Xiaohongshu (小红书) topics. Use when user wants to rese…»

Deep research on Xiaohongshu (小红书) topics. Use when user wants to research a topic, analyze trends, gather insights from top posts, or produce a summary report. Crawls posts via search, extracts high-engagement content, generates analysis with post links. Requires xiaohongshu-mcp service running.

ClawHub Agent Skills автор: Andy Xie v1.2.1 3 файла тело ≈ 266 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокое исследование тем Xiaohongshu (小红书).

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: {link}

АнализаторДанные и аналитикаИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: {link}
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: {link}

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: {link}
  • 0Инструменты и файлы. Не хватает 1 файла(ов): {link}
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 266 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 297 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: suspicious
The skill appears purpose-aligned for Xiaohongshu research, but it uses a logged-in account and saves crawled data locally without clear privacy, retention, or user-control warnings.
LLM: suspicious (medium) · VirusTotal: suspicious · 28 мая 2026 г.