SKILLEMALL.ai
EN Войти

BC kay-xhs

Полностью автоматизированный рабочий процесс создания контента для Xiaohongshu — полный конвейер от исследования популярных тем до публикации черновика. Сценарии использования: (1) исследование стилей и тенденций популярных заметок в Xiaohongshu, (2) создание изображений/комиксов/обложек с помощью ИИ, (3) автоматическая публикация в черновики Xiaohongshu. **Зависимости**: необходимо установить навык kay-image и настроить KIE_API_KEY

машинный переводПоказать оригиналСкрыть оригинал«小红书全自动内容创作工作流 - 从爆款研究到草稿发布的完整 pipeline。 使用场景：(1) 研究小红书爆款笔记风格和趋势，(2) 生成…»

小红书全自动内容创作工作流 - 从爆款研究到草稿发布的完整 pipeline。 使用场景：(1) 研究小红书爆款笔记风格和趋势，(2) 生成 AI 图片/漫画/封面，(3) 自动发布到小红书草稿箱。 **依赖**: 需要安装 kay-image skill 并配置 KIE_API_KEY

ClawHub Agent Skills автор: Kaiwen Liu v1.0.3 MIT-0 6 файлов тело ≈ 4 096 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Полностью автоматизированный рабочий процесс создания контента для Xiaohongshu — полный конвейер от исследования популярных тем до публикации черновика.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип 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
86/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных read-dotenv SKILL.md:33
    Чтение файла .env
    cp skills/kay-image/.env.example skills/kay-image/.env

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 52/100

  • 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
  • 70Стоимость исполнения. Тело инструкции 4096 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 108
  • 100Согласованность. Имя и обязательные поля на месте
  • 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
  • -283 эмодзи в инструкциях: шум для модели
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 145 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 108 пунктов
  • +4Есть примеры (29 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This skill does what it advertises, but it deserves review because it automates a logged-in Xiaohongshu account, collects third-party post data, and keeps persistent work records without clear limits.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.