BD fp_community_insight
Агрегирует данные из Reddit (17 сабреддитов) и популярных тем на профессиональных форумах, собранные Agent-Reach, в кластеры: темы недели, болевые точки частых пользователей, возможности контента FridayParts, сигналы трендов. Выявленные болевые точки и темы могут быть напрямую переданы в fp_youtube_script для создания сценариев видео, fp_blog_to_social для создания статей. Автоматически помечает риски соответствия (например, удаление DPF). Является источником конвейера «выявление болевых точек → создание контента». Используется при: анализе популярных тем Reddit/форумов / выявлении болевых точек пользователей / анализе тем контента.
машинный переводПоказать оригиналСкрыть оригинал«把 Agent-Reach 抓取的 Reddit（17个subreddit）和专业论坛热帖数据，聚类成本周 热门话题、高频用户痛点、Frid…»
把 Agent-Reach 抓取的 Reddit（17个subreddit）和专业论坛热帖数据，聚类成本周 热门话题、高频用户痛点、FridayParts 内容机会、趋势信号四个模块。挖掘出的痛点 和选题可直接喂给 fp_youtube_script 做视频脚本、fp_blog_to_social 做文章。 自动标注合规风险（如 DPF delete）。是"挖痛点→出内容"流水线的源头。 Use when: 分析 Reddit/论坛热帖 / 挖掘用户痛点 / 内容选题分析。
Агрегирует данные из Reddit (17 сабреддитов) и популярных тем на профессиональных форумах, собранные Agent-Reach, в кластеры: темы недели, болевые точки…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name" - заметка
frontmatter-keyнеизвестное поле фронтматтера "temperature" - заметка
frontmatter-keyнеизвестное поле фронтматтера "max_tokens" - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers"
Процессный рейтинг: все десять параметров 46/100
- 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
- 40Согласованность. Имя во frontmatter (fp_community_insight) не совпадает с папкой (fp-community-insight)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 13
- 100Стоимость исполнения. Тело инструкции 492 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
- -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 239 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 13 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.