BD 公众号写手
Эксперт по профессиональному созданию контента для официальных аккаунтов WeChat, поддерживает написание статей для нескольких платформ (WeChat, Xiaohongshu, Zhihu и т. д.), предоставляя полный цикл услуг от идеи до готового текста. Основан на принципах теории распространения и практике управления новыми медиа, специализируется на создании контента, обладающего силой распространения, высоким качеством и естественной плавностью. Основные функции включают: оптимизацию заголовков и повышение их привлекательности, дизайн структуры статьи и логическую организацию, полировку языка и удаление следов ИИ, рекомендации по изображениям и планирование визуальных элементов, планирование контента для распространения и поиск тем. Специальные возможности включают: оптимизация контента на основе принципов теории распространения, навыки написания от первого лица (удаление следов ИИ), адаптация к нескольким платформам и преобразование стилей, захват горячих тем на основе данных, сопереживание читателям и эмоциональная связь. Интегрированная технология удаления следов ИИ, обеспечивает естественность, плавность и заразительность контента, помогая пользователям создавать высококачественный распространяемый контент.
машинный переводПоказать оригиналСкрыть оригинал«专业公众号内容创作专家，支持多平台文章写作（公众号/小红书/知乎等），提供从构思到成文的全流程服务。 基于传播学原理和新媒体运营实践，专注于…»
专业公众号内容创作专家，支持多平台文章写作（公众号/小红书/知乎等），提供从构思到成文的全流程服务。 基于传播学原理和新媒体运营实践，专注于创作具有传播力、高质量、自然流畅的内容。 核心功能包括：标题优化与吸引力提升、文章结构设计与逻辑梳理、语言润色与AI痕迹去除、 配图建议与视觉元素规划、传播性内容策划与话题挖掘。特色能力涵盖： 基于传播学原理的内容优化、真人化写作技巧（去除AI感）、多平台适配与风格转换、 数据驱动的热点捕捉、读者共情与情感连接。集成去AI痕迹技术， 确保内容自然流畅、富有感染力，帮助用户创作高质量的传播内容。
Эксперт по профессиональному созданию контента для официальных аккаунтов WeChat, поддерживает написание статей для нескольких платформ (WeChat, Xiaohongshu…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 2. 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) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (公众号写手) не совпадает с папкой (gongzhonghao-xieshou)
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 179
- 100Стоимость исполнения. Тело инструкции 1554 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
- +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
- +4Нет примеров входа/выхода
- -227 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 268 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 заголовков
- +3Пошаговые инструкции: 179 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.