AD guaikei-xiaohongshu-search-detail-comment-post
Собирает открытые данные из Xiaohongshu: поиск заметок по ключевым словам, просмотр деталей заметок, получение комментариев к заметкам, отслеживание списка публикаций блогеров, выводит структурированные JSON для поиска популярных товаров, анализа конкурентов, подбора KOL, анализа общественного мнения по комментариям и понимания тенденций. Вызывается, когда пользователь хочет найти контент с высоким рейтингом на Xiaohongshu, проанализировать заметку или ее раздел комментариев, отследить динамику публикаций блогера, провести исследование тем для Xiaohongshu или анализ рыночных тенденций — даже если пользователь не сказал прямо «искать на Xiaohongshu», он должен срабатывать, если намерение связано с получением данных о контенте Xiaohongshu. Поддерживает фильтрацию по изображениям/видео, сортировку по лайкам/комментариям/сохранениям, ограничение по времени публикации, за один раз возвращает до 10 000 записей, может напрямую переходить к последующим задачам, таким как сводка тем, сравнение популярных постов, кластеризация мнений из комментариев, анализ ритма публикаций.
машинный переводПоказать оригиналСкрыть оригинал«采集小红书公开内容数据：关键词搜索笔记、查看笔记详情、拉取笔记评论、监控博主作品列表，输出结构化JSON，用于爆款挖掘、竞品分析、KOL筛选…»
采集小红书公开内容数据：关键词搜索笔记、查看笔记详情、拉取笔记评论、监控博主作品列表，输出结构化JSON，用于爆款挖掘、竞品分析、KOL筛选、评论舆情与趋势洞察。当用户想找小红书高赞内容、分析某篇笔记或其评论区、追踪某个博主的发文动态、做小红书选题调研或市场趋势分析时调用——即使用户没直接说"搜小红书"，只要意图涉及小红书内容数据获取就应触发。支持图文/视频筛选、点赞/评论/收藏排序、发布时间限定，单次最多返回1万条，可直接衔接选题汇总、高赞对比、评论观点聚类、发文节奏分析等后续任务。
Собирает открытые данные из Xiaohongshu: поиск заметок по ключевым словам, просмотр деталей заметок, получение комментариев к заметкам, отслеживание списка…
Как процесс D 46/100 · 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: 24. 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")
Процессный рейтинг: все десять параметров 46/100
- 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
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 17
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1104 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 245 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.