SKILLEMALL.ai

AC ljh-duiqi

Генератор таблицы соответствия продукта-аудитории-контента. Предоставьте информацию о продукте, получите таблицу из пяти блоков, в основе которой лежит таблица перевода языка продукта на язык и визуальные образы потребителя. Способ активации: /ljh-duiqi, «Помоги мне составить таблицу соответствия продукта-аудитории-контента», «Как перевести продающие моменты этого нового продукта на понятный язык», «Помоги команде сценаристов сопоставить этот продукт». Не запускать автоматически для таблиц смен команды, таблиц соответствия прогресса проекта и других контекстов, не связанных с электронной коммерцией контента.

машинный переводПоказать оригиналСкрыть оригинал«品·人群·内容对齐表生成器。喂产品资料,产出五块对齐表,核心是把产品语言翻译成消费者人话和画面的四列表。 触发方式:/ljh-duiqi、「…»

品·人群·内容对齐表生成器。喂产品资料,产出五块对齐表,核心是把产品语言翻译成消费者人话和画面的四列表。 触发方式:/ljh-duiqi、「帮我做一张品人群内容对齐表」「这个新品的卖点怎么翻译成人话」「帮编导团队对齐一下这个品」 Product-audience-content alignment table generator. Feed in product info, output a five-block alignment table with a selling-point translation table at its core. Trigger: /ljh-duiqi, "help me build a product-audience-content alignment table", "translate this product's selling points into consumer language" 团队排班表、项目进度对齐表等非内容电商语境,不要自动触发。

ClawHub Agent Skills автор: HandsoMeng v1.0.0 MIT-0 2 файла тело ≈ 1 700 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор таблицы соответствия продукта-аудитории-контента.

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

ГенераторТексты и документыМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"

    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: 45
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1700 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 13. 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

    • +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 2 примера фраз-триггеров в кавычках
    • +3Длина description 452 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    The skill’s main purpose is coherent, but it includes automatic local persistence and reuse of business archives that users should review before installing.
    LLM: suspicious (high) · VirusTotal: · 6 авг. 2026 г.