AD wechat-topic-radar
Радар тем для публикаций в WeChat. Поддерживает три типа входа: ① Расширение по ключевым словам-семенам; ② Перевод списка популярных запросов WeChat в реальном времени; ③ Кластеризация исторических статей аналогичных аккаунтов. После сбора общедоступных данных рассчитывает «популярность спроса / конкуренцию / оценку возможностей» с помощью локальной эвристической модели, выдавая матрицу возможностей, список нишевых тем, карту контента аккаунта и пробелы в контенте. Активируется, когда пользователь упоминает незнание, о чем писать, поиск тем, нишевые слова, длинные хвосты, возможности контента, исследование тем, анализ тем конкурентов, темы для публикаций в WeChat, темы для отслеживания трендов, аналогичные аккаунты, аудит контента и т. д.
машинный переводПоказать оригиналСкрыть оригинал«公众号选题雷达。支持三种入口：① 种子关键词扩散；② 微信搜一搜实时热搜榜转译；③ 对标公众号历史文章聚类。抓取公开数据后，用本地启发式模型…»
公众号选题雷达。支持三种入口：① 种子关键词扩散；② 微信搜一搜实时热搜榜转译；③ 对标公众号历史文章聚类。抓取公开数据后，用本地启发式模型计算「需求热度 / 竞争度 / 机会分」，输出机会矩阵、蓝海选题清单、账号内容版图与内容缺口。当用户提到不知道写什么、找选题、蓝海词、长尾词、内容机会、选题调研、竞品选题分析、公众号选题、追热点选题、对标账号、内容审计等场景时触发。
Радар тем для публикаций в WeChat.
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
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 (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 87
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3577 токенов
- low Разделов верхнего уровня: 10. 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 186 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 30 заголовков
- +3Пошаговые инструкции: 87 пунктов
- +4Есть примеры (10 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.