SKILLEMALL.ai
GitHub ↗ EN Войти

BC icecube-xiaohongshu-flow

🧊 IceCube рабочие процессы автоматизации Xiaohongshu — полный цикл от дневника до публикации. Автоматически генерирует контент, оптимизирует заголовки, выбирает лучшее время для публикации. Интегрирует xiaohongshu-content, xiaohongshu-mcp-skill, icecube-diary, icecube-content-factory. Используется, когда пользователь упоминает «публикация в Xiaohongshu», «рабочий процесс Xiaohongshu», «автоматизация Xiaohongshu».

машинный переводПоказать оригиналСкрыть оригинал«🧊 IceCube 小红书自动化工作流 — 从日记到发布的完整流程。自动生成内容、优化标题、选择最佳发布时间。整合 xiaohongshu…»

🧊 IceCube 小红书自动化工作流 — 从日记到发布的完整流程。自动生成内容、优化标题、选择最佳发布时间。整合 xiaohongshu-content、xiaohongshu-mcp-skill、icecube-diary、icecube-content-factory。当用户提到'小红书发布'、'小红书工作流'、'小红书自动化'时使用。

ClawHub Agent Skills автор: ares521521-design v1.0.0 MIT-0 2 файла тело ≈ 1 671 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

🧊 IceCube рабочие процессы автоматизации Xiaohongshu — полный цикл от дневника до публикации.

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

ПроцедураИИ и агентыИнфраструктуратип 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
86/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
68
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Опасные команды cmd-background-process SKILL.md:143
    Запуск фонового / автозапускаемого процесса
    nohup ./bin/xiao…m64 > mcp.log 2>&1 &
  • низкая Опасные команды cmd-background-process SKILL.md:289
    Запуск фонового / автозапускаемого процесса
    nohup ./bin/xiao…m64 > mcp.log 2>&1 &

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: 46
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1671 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -231 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 173 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 46 пунктов
  • +4Есть примеры (17 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
This skill is a coherent Xiaohongshu publishing workflow, but it needs Review because it can publish through a real account using an external service without clear confirmation, scoping, or session-safety guidance.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.