SKILLEMALL.ai

AB hook-optimizer

Оптимизация хуков и вступлений для китайского короткого контента. Используйте, когда Codex необходимо диагностировать, почему первые 3-5 секунд или первые 2-3 предложения слабы, определить, является ли реальной проблемой вступление или лежащий под ним материал, и сгенерировать несколько направлений вступления, соответствующих фактическому контенту, а не пустому кликбейту.

машинный переводПоказать оригиналСкрыть оригинал«Hook and opening optimization for Chinese short-form content. Use when…»

Hook and opening optimization for Chinese short-form content. Use when Codex needs to diagnose why the first 3-5 seconds or first 2-3 sentences are weak, determine whether the real problem is the opening or the material underneath it, and generate multiple opening directions that match the actual content instead of empty clickbait.

ClawHub Agent Skills автор: cellinlab v0.1.0 MIT-0 6 файлов тело ≈ 986 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оптимизация хуков и вступлений для китайского короткого контента.

Как процесс B 70/100 · Почти готов — слабые места: входы и предусловия, согласованность, отчётность по ходу

АнализаторИнфраструктураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Согласованность вес 8
40
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: 6. 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 70/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (hook-optimizer) не совпадает с папкой (cell-hook-optimizer)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 57
    • 100Стоимость исполнения. Тело инструкции 986 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 333 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 57 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    The inspected skill materials are coherent ClawHub developer and maintainer workflows, with powerful but disclosed commands that are tied to explicit user-directed tasks.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.