SKILLEMALL.ai

BC xhs-data-api

Глубокий анализ алгоритма CES и механизма трафиковых пулов Xiaohongshu, анализ закономерностей вирусных постов, мониторинг стратегий конкурентов. Предоставляет 10 формул заголовков с высоким CTR, стратегии комбинации тегов, базовые показатели по категориям, 30-дневный план улучшения, основанный на данных для оптимизации. Триггерные слова: данные Xiaohongshu, анализ постов, анализ вирусных постов, мониторинг конкурентов, операции Xiaohongshu, алгоритм Xiaohongshu, оценка CES, оптимизация постов, увеличение подписчиков Xiaohongshu, коэффициент вовлеченности, коэффициент сохранения, SEO Xiaohongshu, стратегия тегов, ретроспектива Xiaohongshu Исключения: создание контента для Xiaohongshu (использовать xiaohongshu-copywriter), анализ других платформ

машинный переводПоказать оригиналСкрыть оригинал«深度解读小红书CES算法+流量池机制,分析爆款笔记规律,监控竞品策略。提供10种高点击标题公式、标签组合策略、分品类基准、30天提升计划,用…»

深度解读小红书CES算法+流量池机制,分析爆款笔记规律,监控竞品策略。提供10种高点击标题公式、标签组合策略、分品类基准、30天提升计划,用数据驱动运营。 触发词:小红书数据、笔记分析、爆款分析、竞品监控、小红书运营、小红书算法、CES评分、笔记优化、小红书涨粉、互动率、收藏率、小红书SEO、标签策略、小红书复盘 排除:小红书内容创作(用xiaohongshu-copywriter)、其他平台分析

ClawHub Agent Skills автор: qqyougitcom v1.3.1 MIT-0 6 файлов тело ≈ 200 токенов Открыть источникclawhub.ai проанализирован 17 ч назад

Глубокий анализ алгоритма CES и механизма трафиковых пулов Xiaohongshu, анализ закономерностей вирусных постов, мониторинг стратегий конкурентов.

Как процесс C 57/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ИнтеграцияТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. 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

  • 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
  • 40Согласованность. Имя во frontmatter (xhs-data-api) не совпадает с папкой (qqyougitcom-xhs-data-api)
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 200 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)
  • +4Нет примеров входа/выхода
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +3Формат ответа описан явно

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
The skill appears to be a purpose-aligned Xiaohongshu marketing analysis helper, with privacy and trigger-scope documentation gaps but no evidence of malicious behavior.
LLM: benign (medium) · VirusTotal: · 16 июн. 2026 г.