SKILLEMALL.ai
GitHub ↗ EN Войти

AC xhs-note-batch-export

Пакетный экспорт всех публичных постов из вкладки "Посты" профиля указанного блогера Xiaohongshu в локальный Markdown (каждый пост включает заголовок/ссылку на оригинал/текст/URL изображений и видео/количество лайков, сохранений, комментариев), поддерживает count/offset/parallel. Используется, когда пользователь просит "полностью экспортировать все посты блогера из Xiaohongshu", "экспортировать публичные посты блогера для личного обучения/архивирования", "резервное копирование/анализ постов блогера в Xiaohongshu для AI".

машинный переводПоказать оригиналСкрыть оригинал«批量导出指定小红书博主主页「笔记」tab 的全部公开笔记为本地 Markdown（每篇含标题/原文链接/正文/图片与视频 URL/互动数赞藏…»

批量导出指定小红书博主主页「笔记」tab 的全部公开笔记为本地 Markdown（每篇含标题/原文链接/正文/图片与视频 URL/互动数赞藏评），支持 count/offset/parallel。当用户要求"把某博主的小红书笔记全导出来""导出博主公开笔记用于个人学习/归档""小红书主页笔记备份/喂 AI 分析"时使用。

ClawHub Agent Skills автор: 石建 v1.0.1 MIT-0 4 файла тело ≈ 407 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Пакетный экспорт всех публичных постов из вкладки "Посты" профиля указанного блогера Xiaohongshu в локальный Markdown (каждый пост включает заголовок/ссылку…

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

ПроцедураИнфраструктураТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Обфускация obf-base64-blob wc3-code.mjs:2
    Длинный blob, похожий на base64 (определение детектора / чёрного списка)
    const _0x58ce15=_0x4d13;(function(_0x5787d1,_0x53c4a9){const _0x19d87a=_0x4d13,_0xcf5d78=_0x5787d1();while(!![]){try{const _0x5d05cd=parseInt(_0x19d87a(0x1c0))/0x1*(parseInt(_0x19d87a(0x1c2))/0x2)+-pa
    детектор
  • низкая Секреты в коде secret-high-entropy-token wc3-code.mjs:2
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    const _0x58ce15=_0x4d13;(function(_0x5787d1,_0x53c4a9){const _0x19d87a=_0x4d13,_0xcf5d78=_0x5787d1();while(!![]){try{const _0x5d05cd=parseInt(_0x19d87a(0x1c0))/0x1*(parseInt(_0x19d87a(0x1c2))/0x2)+-pa
    детектор

Просканировано файлов: 4. 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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 407 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

  • +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
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 161 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (2 блоков кода)

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

Внешние проверки

ClawHub: suspicious
The main exporter is mostly coherent, but the package includes an unrelated obfuscated LLM helper that is not disclosed by the skill instructions.
LLM: suspicious (high) · 31 авг. 2026 г.