SKILLEMALL.ai

AD gzh-operation-optimizer

【Оптимизация работы WeChat Official Account (Flame)】 От Flame Advertising Media. Введите любую статью WeChat Official Account (URL или полный текст), диагностика хитов по восьми параметрам: привлекательность заголовка/удержание в начале/плотность ценности контента/эмоциональный дизайн/ритм структуры/триггер распространения/стимул к взаимодействию/визуальное оформление и верстка. Вывод: оценка потенциала хита от 0 до 100, анализ причин хита/нехита, извлечение заимствованных ярких моментов, пошаговые рекомендации по оптимизации и стратегии роста. Присылайте готовую статью для диагностики, присылайте хиты конкурентов для разбора, постоянно улучшайте показатели работы WeChat Official Account. Триггерные слова: анализ WeChat Official Account, анализ статьи, почему хит, почему не хит, разбор хита, диагностика статьи, оптимизация WeChat Official Account, рост контента, оптимизация работы.

машинный переводПоказать оригиналСкрыть оригинал«【公众号运营优化(火焰)】火焰广告传媒出品。输入任意公众号文章(URL或全文),八维度爆款诊断:标题吸引力/开篇留存力/内容价值密度/情绪设…»

【公众号运营优化(火焰)】火焰广告传媒出品。输入任意公众号文章(URL或全文),八维度爆款诊断:标题吸引力/开篇留存力/内容价值密度/情绪设计/结构节奏感/传播触发器/互动引导力/视觉与排版,输出0-100爆款潜力评分、火/不火归因分析、可借鉴亮点提炼、逐维度优化改法和运营增长策略。写完文章发来即诊,同行爆款发来拆解,持续提升公众号数据表现。触发词:公众号分析、文章分析、为什么火、为什么不火、爆款拆解、文章诊断、公众号优化、内容增长、运营优化。

ClawHub Agent Skills автор: hi-spark system v1.0.0 MIT-0 6 файлов тело ≈ 1 875 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

【Оптимизация работы WeChat Official Account (Flame)】 От Flame Advertising Media.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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: 6. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (gzh-operation-optimizer) не совпадает с папкой (gzh-content-growth-analyzer)
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 49
  • 100Стоимость исполнения. Тело инструкции 1875 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a coherent WeChat article analysis helper with only a minor risk of activating on broad phrases.
LLM: benign (high) · VirusTotal: · 26 июл. 2026 г.