SKILLEMALL.ai

AC twitter-hot-topics

Ежечасно автоматически ищет на Twitter популярную информацию о Китае, криптовалютах, международных и американских горячих темах, Трампе и т.д., извлекает топ-10 популярных тем и на основе реальных весов алгоритма платформы X (данные из открытого кода) генерирует для каждой темы твит или цепочку твитов с высоким охватом. Этот навык должен использоваться, когда пользователь упоминает ключевые слова, такие как "推特热点" (горячие темы Twitter), "Twitter热点" (горячие темы Twitter), "推特搜索" (поиск в Twitter), "热点推文" (горячие твиты), "生成推文" (генерация твитов), "社交媒体监控" (мониторинг соцсетей), "Twitter监控" (мониторинг Twitter), "推文生成" (генерация твитов), "热门话题" (популярные темы), "推特监控" (мониторинг Twitter). Этот навык должен срабатывать, даже если пользователь говорит только "帮我写推文" (помоги мне написать твит) или "查推特热点" (проверь горячие темы Twitter).

машинный переводПоказать оригиналСкрыть оригинал«每小时自动搜索推特上关于中国、加密货币、国际热点、美国热点、特朗普等话题的热度信息,提取排行前十的热点,并基于 X 平台真实算法权重(开源代…»

每小时自动搜索推特上关于中国、加密货币、国际热点、美国热点、特朗普等话题的热度信息,提取排行前十的热点,并基于 X 平台真实算法权重(开源代码数据)为每个热点生成高曝光推文或线程。当用户提到"推特热点"、"Twitter热点"、"推特搜索"、"热点推文"、"生成推文"、"社交媒体监控"、"Twitter监控"、"推文生成"、"热门话题"、"推特监控"等关键词时,必须使用此技能。即使用户只说"帮我写推文"或"查推特热点"也要触发此技能。

ClawHub Agent Skills автор: yanghui-88 v1.0.0 MIT-0 4 файла тело ≈ 905 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ежечасно автоматически ищет на Twitter популярную информацию о Китае, криптовалютах, международных и американских горячих темах, Трампе и т.д., извлекает…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 4. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 52
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 905 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -228 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 219 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 52 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
This skill is not malware, but it asks for recurring Twitter/X trend monitoring with broad automatic triggers and unclear user control.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.