SKILLEMALL.ai

CF ads-landing

Проводите аудит целевых страниц платной рекламы на соответствие сообщений, качество мобильного опыта, производительность, доступность, доверие, формы, согласие, отслеживание, безопасность и проблемы с конверсией. Используйте для аудита целевых страниц, пост-клик опыта, аудита LP, оптимизации коэффициента конверсии, оптимизации форм, соответствия сообщений от рекламы до страницы, переадресаций, заблокированной навигации или запросов, связанных с частными, loopback, link-local или метаданными IP-адресов.

машинный переводПоказать оригиналСкрыть оригинал«Audit paid-ad landing pages for message match, mobile experience, perf…»

Audit paid-ad landing pages for message match, mobile experience, performance, accessibility, trust, forms, consent, tracking, security, and conversion friction. Use for landing-page audit, post-click experience, LP audit, conversion-rate optimization, form optimization, ad-to-page message match, redirects, blocked navigation, or requests involving private, loopback, link-local, or metadata IP destinations.

AgriciDaniel/claude-ads Agent Skills автор: AgriciDaniel MIT 1 файл тело ≈ 506 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Проводите аудит целевых страниц платной рекламы на соответствие сообщений, качество мобильного опыта, производительность, доступность, доверие, формы…

Как процесс F 33/100 · Процесс не описан — Скилл ссылается на файлы, которых нет в архиве: scripts/fetch_page.py

АнализаторМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Процесс не описан
Скилл ссылается на файлы, которых нет в архиве: scripts/fetch_page.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 missing-ref ссылка на отсутствующий файл: scripts/fetch_page.py

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/fetch_page.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/fetch_page.py
  • 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: 1, без проверки текущего состояния
  • 100Шаги. Шагов: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 506 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)
  • +4Структура: 2 заголовков, инструкции сложно сканировать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 410 символов: достаточно сигнала, не съедает бюджет
  • +3Пошаговые инструкции: 6 пунктов

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