SKILLEMALL.ai

BD qinghu-rednote-social

青虎AI Xiaohongshu Social Media Operation: Сочетает тренды Xiaohongshu, поиск заметок по ключевым словам, контент заметок и комментарии, данные профиля инфлюенсера и работы, завершая «анализ вирусных заметок → извлечение болевых точек для создания спроса → отбор качественных KOC/KOL», создавая эффективный план создания спроса и матрицу социальных сетей, а также может генерировать код для создания спроса в Xiaohongshu. Активируется, когда пользователь занимается операционной деятельностью в Xiaohongshu, анализирует вирусные заметки, ищет темы для создания спроса, отбирает KOC/KOL, просматривает болевые точки комментариев к заметкам, строит контентную матрицу. Ключевые слова: 青虎AI, Xiaohongshu, seeding, notes, KOC, KOL, influencer selection, hot search, pain points, social media matrix, seeding code.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 小红书社媒运营:结合小红书热搜榜、关键词搜索笔记、笔记内容与评论、达人主页与作品数据,完成「爆款笔记拆解 → 种草痛点提取 → 优…»

青虎AI 小红书社媒运营:结合小红书热搜榜、关键词搜索笔记、笔记内容与评论、达人主页与作品数据,完成「爆款笔记拆解 → 种草痛点提取 → 优质 KOC/KOL 筛选」,搭建高效种草与社媒矩阵方案,并可生成小红书种草码。当用户要做小红书运营、拆解爆款笔记、找种草选题、筛 KOC/KOL、看笔记评论痛点、搭内容矩阵时必须触发。关键词:青虎AI、小红书、种草、笔记、KOC、KOL、达人筛选、热搜、痛点、社媒矩阵、种草码。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 542 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI Xiaohongshu Social Media Operation: Сочетает тренды Xiaohongshu, поиск заметок по ключевым словам, контент заметок и комментарии, данные профиля…

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

ПроцедураРазработкаДанные и аналитикатип 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
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")

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 (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1542 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 209 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed Xiaohongshu social-media analysis helper that uses a user-authorized Qinghu API token and has no executable install payload.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.