SKILLEMALL.ai
GitHub ↗ EN Войти

BD wechat-mp-suite

Набор инструментов для работы с WeChat Official Account (wechat-mp): публикация Markdown/HTML в черновики, стилизация и генерация обложек; поддержка управления черновиками, управления пользователями (черный список и т.д.), управления комментариями, статистических данных и синхронизации нескольких официальных аккаунтов.

машинный переводПоказать оригиналСкрыть оригинал«微信公众号运营工具集（wechat-mp）：Markdown/HTML 发文到草稿箱、样式美化与封面生成；支持草稿管理、用户管理（黑名单等）…»

微信公众号运营工具集（wechat-mp）：Markdown/HTML 发文到草稿箱、样式美化与封面生成；支持草稿管理、用户管理（黑名单等）、评论管理、数据统计与多公众号同步。

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 8 файлов тело ≈ 3 433 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Набор инструментов для работы с WeChat Official Account (wechat-mp): публикация Markdown/HTML в черновики, стилизация и генерация обложек; поддержка…

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
39/100
Процесс не доведён
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: 8. 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 39/100

  • 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: 8, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (wechat-mp-suite) не совпадает с папкой (wechat-mp)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 65
  • 100Стоимость исполнения. Тело инструкции 3433 токенов
  • low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (8 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 88: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 42 заголовков
  • +3Пошаговые инструкции: 65 пунктов
  • +4Есть примеры (33 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.