SKILLEMALL.ai

BD wechat-channels-crawler

Инструмент поиска контента в видеоканале. Ищет популярный контент в видеоканале по ключевым словам пользователя, поддерживает сортировку по новизне, количеству лайков, количеству избранных и общей популярности, результаты отображаются в виде структурированной таблицы. Используется, когда пользователь хочет найти популярный контент в видеоканале, найти вирусные видео в видеоканале, запросить данные о контенте в видеоканале, узнать, как представлен определенный тип контента в видеоканале. Ключевые слова для активации: поиск по видеоканалу, запрос контента видеоканала, вирусные видео канала, популярный контент канала, поиск контента канала, поиск по видеоканалу, поиск по видеоканалу WeChat.

машинный переводПоказать оригиналСкрыть оригинал«视频号作品查询工具。根据用户输入的关键词搜索视频号热门作品,支持按最新、最多点赞、最多收藏和综合排序,结果以结构化表格展示。当用户想要查找视…»

视频号作品查询工具。根据用户输入的关键词搜索视频号热门作品,支持按最新、最多点赞、最多收藏和综合排序,结果以结构化表格展示。当用户想要查找视频号热门内容、搜索视频号爆款视频、查询视频号作品数据、了解某类内容在视频号的表现时使用。触发词包括:视频号搜索、视频号作品查询、视频号爆款、视频号热门、视频号内容搜索、搜视频号、微信视频号搜索。

ClawHub Agent Skills автор: RedFox v1.0.0 MIT-0 5 файлов тело ≈ 1 471 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Инструмент поиска контента в видеоканале.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 5. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1471 токенов

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
  • -212 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 167 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (10 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This skill is a disclosed WeChat Channels search tool with an optional user-confirmed daily subscription feature, not hidden or deceptive behavior.
LLM: benign (high) · VirusTotal: · 6 авг. 2026 г.