AC digest-comunidad-f100k
Модуль Autopilot F100K, который работает каждую пятницу: анализирует комментарии за последние 7 дней в Instagram/TikTok пользователя (Composio с профессиональным Instagram, Apify с общедоступными данными или скриншотами, которые она отправляет), извлекает 5 наиболее часто задаваемых вопросов и наиболее упоминаемых проблем, и преобразует их в идеи высокоценного контента с готовой структурой сценария, которые добавляются к идеям/banco.md. Использовать, когда кто-то говорит: «что спрашивают мои подписчики», «идеи из моих комментариев», «что хочет видеть моё сообщество», «выполнить дайджест сообщества», или когда его вызывает пятничная автоматизация. Дайджест приходит через Telegram. Требует файл cerebro/f100k-config.json с ig_handle или tiktok_handle.
машинный переводПоказать оригиналСкрыть оригинал«Módulo del Autopilot F100K que corre cada viernes: analiza los comenta…»
Módulo del Autopilot F100K que corre cada viernes: analiza los comentarios de los últimos 7 días en el Instagram/TikTok de la usuaria (Composio con Instagram profesional, Apify con datos públicos o capturas que ella manda), extrae las 5 preguntas más repetidas y los dolores más mencionados, y los convierte en ideas de contenido de alto valor con estructura de guion lista, que se suman a ideas/banco.md. Usar cuando alguien diga: "qué preguntan mis seguidores", "ideas desde mis comentarios", "qué quiere ver mi comunidad", "ejecutar digest comunidad", o cuando la automatización de los viernes lo invoque. El digest llega por Telegram. Requiere cerebro/f100k-config.json con ig_handle o tiktok_handle.
Модуль Autopilot F100K, который работает каждую пятницу: анализирует комментарии за последние 7 дней в Instagram/TikTok пользователя (Composio с…
Как процесс C 53/100 · Есть пробелы — 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: 1. 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 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: 4
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1470 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 4 примера фраз-триггеров в кавычках
- +3Длина description 704 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 4 пунктов
- +4Есть примеры (7 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.