SKILLEMALL.ai

BC opinion-analyzer

Многоаспектный помощник по анализу общественного мнения. Используйте, когда пользователю требуется проанализировать общественное мнение по какой-либо теме/событию/личности/бренду. Ссылаясь на механизм совместной работы нескольких агентов BettaFish, восстанавливает полную картину общественного мнения с разных точек зрения, разрушает информационный пузырь, выдает структурированный аналитический отчет. Триггеры: анализ общественного мнения, анализ темы, репутация бренда, обсуждение в сети, анализ события XX, как посмотреть тему XX, что думает общественность о XX

машинный переводПоказать оригиналСкрыть оригинал«多视角舆情分析助手。当用户需要分析某个话题/事件/人物/品牌的舆情时使用。 参考 BettaFish 多 Agent 协作机制,从多个视角还…»

多视角舆情分析助手。当用户需要分析某个话题/事件/人物/品牌的舆情时使用。 参考 BettaFish 多 Agent 协作机制,从多个视角还原舆情原貌,打破信息茧房,输出结构化分析报告。 触发词:舆情分析、话题分析、品牌声誉、网络讨论、分析XX事件、XX话题怎么看、公众对XX的看法

ClawHub Agent Skills автор: antonia huang v1.0.0 MIT-0 2 файла тело ≈ 345 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Многоаспектный помощник по анализу общественного мнения.

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

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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")

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: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 345 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 141 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This appears to be a Chinese-language public-opinion analysis skill with some routing and language-scope caveats, but no evidence of hidden access, persistence, credential handling, or harmful behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.