AC aky-public-opinion
Профессиональный генератор отчетов по анализу настроений в китайских социальных сетях для государственного и корпоративного использования. Создает структурированные отчеты по анализу общественного мнения, охватывающие оценку рисков, анализ данных коммуникаций и практические контрмеры. Поддерживает 5 ежедневных типов отчетов (Быстрая оценка / Специальный отчет / Глубокое исследование / Ретроспектива / Ежемесячный) и 5 типов специальных событий (Международное давление / Этнические и идеологические вопросы / Безопасность промышленности и экономики / Инновации в управлении / Дипломатическая чувствительность). Используйте, когда пользователь спрашивает: "напиши отчет по анализу настроений", "оцени риск общественного мнения по этому инциденту", "проведи оценку настроений", "просмотри это событие общественного мнения" или "ежемесячное резюме настроений".
машинный переводПоказать оригиналСкрыть оригинал«Professional-grade Chinese social media sentiment analysis report writ…»
Professional-grade Chinese social media sentiment analysis report writer for government and enterprise use. Generates structured public opinion analysis reports covering risk assessment, communication data analysis, and actionable countermeasures. Supports 5 daily report types (Rapid Assessment / Special Report / Deep Research / Retrospective / Monthly) and 5 special event types (International Pressure / Ethnic & Ideological / Industrial-Economic Security / Governance Innovation / Diplomatic Sensitivity). Use when the user asks: "write a sentiment analysis report", "analyze this incident's public opinion risk", "do a sentiment assessment", "review this public sentiment event", or "monthly sentiment summary".
Профессиональный генератор отчетов по анализу настроений в китайских социальных сетях для государственного и корпоративного использования.
Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- 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: 4. 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 50/100
- 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
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 85Шаги. Шагов: 50, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2060 токенов
- 100Повторный запуск. Изменяющих операций нет
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
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
- +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
- +5В description 5 примера фраз-триггеров в кавычках
- +3Длина description 717 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 50 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.