SKILLEMALL.ai

BD qinghu-creator-data-engine

Движок данных инфлюенсеров от Qinghu AI: введите ссылку на главную страницу блогера на Douyin, Xiaohongshu, Bilibili, чтобы автоматически собрать основные данные аккаунта инфлюенсера и ключевые показатели просмотров, и экспортировать в стандартизированный Excel, заменяя ручной сбор статистики для ежедневного мониторинга аккаунтов конкурентов и сотрудничающих инфлюенсеров. Активируется, когда пользователь хочет пакетно собирать данные аккаунтов инфлюенсеров, отслеживать ежедневный прирост подписчиков и просмотров блогера, отслеживать аккаунты конкурентов, управлять данными сотрудничающих инфлюенсеров, экспортировать таблицу данных инфлюенсеров. Ключевые слова: Qinghu AI, данные инфлюенсеров, данные блогеров, мониторинг аккаунтов, Douyin, Xiaohongshu, Bilibili, подписчики, просмотры, Excel, аккаунты конкурентов, движок данных.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 达人数据引擎:输入抖音、小红书、B 站的博主主页链接,自动抓取达人账号的基础数据与播放量核心指标并导出标准化 Excel,替代人工…»

青虎AI 达人数据引擎:输入抖音、小红书、B 站的博主主页链接,自动抓取达人账号的基础数据与播放量核心指标并导出标准化 Excel,替代人工统计,用于竞品账号与合作达人的日常监控。当用户要批量统计达人账号数据、追踪博主每日涨粉与播放、监控竞品账号、管理合作达人数据、导出达人数据表时必须触发。关键词:青虎AI、达人数据、博主数据、账号监控、抖音、小红书、B站、粉丝、播放量、Excel、竞品账号、数据引擎。

ClawHub Agent Skills автор: AutoAGC v0.1.5 MIT-0 2 файла тело ≈ 1 220 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Движок данных инфлюенсеров от Qinghu AI: введите ссылку на главную страницу блогера на Douyin, Xiaohongshu, Bilibili, чтобы автоматически собрать основные…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 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 "homepage"

Процессный рейтинг: все десять параметров 43/100

  • 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: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1220 токенов

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 203 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill’s creator-data workflow is coherent, but it asks the agent to install and upgrade an unpinned global npm CLI and persist API credentials, which merits user review before use.
LLM: suspicious (high) · VirusTotal: · 8 сент. 2026 г.