SKILLEMALL.ai

AC guaikei-rednote-pulse

Поиск общедоступного контента Xiaohongshu: поиск заметок по ключевым словам, просмотр деталей отдельных заметок, извлечение комментариев, получение списка работ автора, вывод в структурированном JSON для выбора популярных тем, мониторинга конкурентов, отбора KOL и анализа общественного мнения. Используйте, когда пользователь хочет получить данные контента из Xiaohongshu — упоминает Xiaohongshu/Hongji/xhs/rednote, или предоставляет ссылку xiaohongshu.com/xhslink.com и запрашивает заметки, комментарии, информацию о работах автора, даже если название платформы не указано, но может быть идентифицировано по ссылке и запросу данных. Только общедоступные данные, без входа в систему, публикации, взаимодействия или получения личного контента.

машинный переводПоказать оригиналСкрыть оригинал«检索小红书公开内容:按关键词搜笔记、查单篇笔记详情、单独拉取评论区、抓取博主主页作品列表,输出结构化 JSON,支撑爆款选题、竞品监控、KO…»

检索小红书公开内容:按关键词搜笔记、查单篇笔记详情、单独拉取评论区、抓取博主主页作品列表,输出结构化 JSON,支撑爆款选题、竞品监控、KOL 筛选与评论舆情分析。只要用户想从小红书拿内容数据——提到小红书/红笔记/xhs/rednote,或给出 xiaohongshu.com / xhslink.com 链接并索要笔记、评论、博主作品信息——即可使用,即使未出现平台名也能通过链接与数据诉求识别。仅限公开数据,不做登录、发布、互动与私密内容获取。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 24 файла тело ≈ 770 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Поиск общедоступного контента Xiaohongshu: поиск заметок по ключевым словам, просмотр деталей отдельных заметок, извлечение комментариев, получение списка…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 24. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 27
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 770 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 225 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill appears purpose-aligned: it queries public Xiaohongshu data through the Guaikei API and saves results locally, with the main privacy consideration being user awareness of external API use and local logs.
LLM: benign (high) · VirusTotal: · 13 авг. 2026 г.