AA analyzing-twitter-sentiment-for-topic
Анализирует общественное мнение в Twitter/X по любой теме, бренду или событию с использованием парсеров твитов apidojo на Apify. Активируется, когда пользователь просит: проанализировать настроения в Twitter по теме, измерить общественное мнение в Twitter, определить, являются ли настроения положительными или отрицательными по отношению к бренду или проблеме в X, проанализировать эмоциональный тон твитов о событии, исследовать реакцию Twitter на новостную историю, измерить настроения бренда или продукта по твитам или сравнить настроения между двумя конкурирующими темами или брендами в Twitter. Возвращает классификацию настроений, лучшие положительные и отрицательные твиты, объем за время и ключевые темы. Идеально подходит для PR-команд, исследователей рынка, политических аналитиков и платформ социального мониторинга.
машинный переводПоказать оригиналСкрыть оригинал«Analyzes public sentiment on Twitter/X for any topic, brand, or event…»
Analyzes public sentiment on Twitter/X for any topic, brand, or event using apidojo's Tweet scrapers on Apify. Triggers when the user asks to: analyze Twitter sentiment about a topic, measure public opinion on Twitter, see if sentiment is positive or negative about a brand or issue on X, analyze the emotional tone of tweets about an event, research how Twitter reacts to a news story, measure brand or product sentiment from tweets, or compare sentiment between two competing topics or brands on Twitter. Returns sentiment classification, top positive and negative tweets, volume over time, and key themes. Ideal for PR teams, market researchers, political analysts, and social listening platforms.
Анализирует общественное мнение в Twitter/X по любой теме, бренду или событию с использованием парсеров твитов apidojo на Apify.
Как процесс A 81/100 · Дойдёт до конца — слабые места: отчётность по ходу
Как улучшить
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Утечка данных
exfil-secret-in-urlSKILL.md:117Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)"https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=…" \
заглушка
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 81/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 11
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1711 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)
- -218 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +3Длина description 700 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (6 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.