SKILLEMALL.ai

BC wechat-live-review

Skill для анализа прямых эфиров видеоканалов — диагностика полного воронкообразного пути от частной сферы к социальному охвату, публичному масштабированию и долгосрочным повторным покупкам. Основан на шестишаговом методе Douyin, адаптирован к порогу удержания внимания в видеоканалах 30 секунд, ритму представления товаров за 5-7 минут, соотношению репостов к лайкам, 7-дневному скользящему контролю, системе допродаж через корпоративные WeChat. Ключевые слова: анализ видеоканала, анализ прямого эфира, прямой эфир видеоканала, анализ после эфира, анализ данных.

машинный переводПоказать оригиналСкрыть оригинал«视频号直播复盘Skill——从私域导入→社交裂变→公域放大→长周期复购的完整关系漏斗诊断。基于抖音六步法改造,适配视频号30s停留阈值、5-…»

视频号直播复盘Skill——从私域导入→社交裂变→公域放大→长周期复购的完整关系漏斗诊断。基于抖音六步法改造,适配视频号30s停留阈值、5-7min过品节奏、分享率>点赞率、7天滚动考核、企微沉淀追单体系。触发词:视频号复盘、直播复盘、视频号直播、播后复盘、数据分析。

ClawHub Agent Skills автор: 1027399464-tech v1.0.1 MIT-0 2 файла тело ≈ 861 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Skill для анализа прямых эфиров видеоканалов — диагностика полного воронкообразного пути от частной сферы к социальному охвату, публичному масштабированию и…

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

Анализатортип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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: 2. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "feedback"

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: 74
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 861 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 134 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 74 пунктов
  • +4Есть примеры (3 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a markdown-only skill that guides WeChat Channels livestream performance reviews and does not request unusual access or execute code.
LLM: benign (high) · VirusTotal: · 24 июл. 2026 г.