SKILLEMALL.ai

AB linkedin-ads-cli

Анализ данных и отчетность по рекламе в LinkedIn через linkedin-ads-cli. Используйте, когда пользователь хочет проверить эффективность рекламы в LinkedIn, получить аналитику кампаний с детализацией по сводным таблицам, изучить структуру рекламных аккаунтов, проверить креативы, проанализировать аудитории, получить данные о заявках из лид-форм, спрогнозировать показ рекламы или получить рекомендации по бюджету. Активация: «Реклама в LinkedIn», «Эффективность рекламы в LinkedIn», «Статистика кампаний LinkedIn», «Расходы на рекламу в LinkedIn», «Аналитика LinkedIn», «Аудитория LinkedIn», «Лид-формы LinkedIn», «Креативы LinkedIn», «Рекламный аккаунт LinkedIn», «Таргетинг LinkedIn», «Прогноз бюджета LinkedIn».

машинный переводПоказать оригиналСкрыть оригинал«LinkedIn Ads data analysis and reporting via linkedin-ads-cli. Use whe…»

LinkedIn Ads data analysis and reporting via linkedin-ads-cli. Use when the user wants to check LinkedIn ad performance, pull campaign analytics with pivot breakdowns, explore ad account structure, inspect creatives, analyze audiences, retrieve lead form submissions, forecast ad delivery, or get budget recommendations. Triggers: "LinkedIn Ads", "LinkedIn ad performance", "LinkedIn campaign stats", "LinkedIn ad spend", "LinkedIn analytics", "LinkedIn audience", "LinkedIn lead forms", "LinkedIn creatives", "LinkedIn ad account", "LinkedIn targeting", "LinkedIn budget forecast".

ClawHub Agent Skills автор: Bin-Huang v1.0.0 MIT-0 2 файла тело ≈ 3 587 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ данных и отчетность по рекламе в LinkedIn через linkedin-ads-cli.

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ИнтеграцияДанные и аналитикаМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 68/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 80
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3587 токенов
    • low Ответ описан самодельной разметкой (15 тегов): типизированный вызов надёжнее

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 11 примера фраз-триггеров в кавычках
    • +3Длина description 582 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 80 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (12 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    The skill appears to be a coherent LinkedIn marketing integration, with expected access to ad analytics and lead data but no evidence of hidden or destructive behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.