BF china-demand-mining
Навык анализа спроса в китайских публичных новых медиа-платформах. Извлекает данные комментариев и отзывов пользователей с таких платформ, как Douyin, Xiaohongshu, Taobao и т. д., интеллектуально выбирает источники данных в зависимости от типа спроса (материальный/нематериальный спрос), уделяя особое внимание комментариям пользователей Xiaohongshu и отрицательным отзывам в электронной коммерции, проводит анализ и классификацию спроса, генерирует отчет об исследовании пользовательского спроса. Сценарии запуска: - Пользователь говорит «Помоги мне изучить потребности пользователей в области/продукте XX» - Пользователь говорит «Проанализируй жалобы пользователей на продукт XX» - Пользователь говорит «Посмотри, что пользователи недовольны XX» - Пользователь говорит «Найди болевые точки в области XX» - Пользователь говорит «Исследуй рыночные возможности XX» - Пользователь говорит «Проанализируй эмоции и потребности группы XX»
машинный переводПоказать оригиналСкрыть оригинал«中国公域新媒体平台需求挖掘技能。从抖音、小红书、淘宝等平台抓取用户评论和反馈数据，根据需求类型（实物需求/无实物需求）智能选择数据源，特别关…»
中国公域新媒体平台需求挖掘技能。从抖音、小红书、淘宝等平台抓取用户评论和反馈数据，根据需求类型（实物需求/无实物需求）智能选择数据源，特别关注小红书用户评论和电商差评，进行需求分析和分级，生成用户需求调研报告。 触发场景： - 用户说"帮我挖掘 XX 领域/产品的用户需求" - 用户说"分析 XX 产品的用户抱怨" - 用户说"看看用户对 XX 有什么不满" - 用户说"找找 XX 领域的痛点" - 用户说"调研 XX 市场机会" - 用户说"分析 XX 群体的情绪和需求"
Навык анализа спроса в китайских публичных новых медиа-платформах.
Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/PLATFORM_SELECTION.md
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 29. 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") - предупреждение
missing-refссылка на отсутствующий файл: references/PLATFORM_SELECTION.md
Процессный рейтинг: все десять параметров 35/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/PLATFORM_SELECTION.md
- 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
- 100Шаги. Шагов: 60
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1041 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
- -311 из 11 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +3Длина description 240 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 60 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.