AC ljh-yinzi
Инструмент для анализа факторов контента. Три режима: разбор (разбирает вирусный материал на факторы), сортировка (оценивает и приоритизирует кандидатов по теме исследования с помощью EV и запускает полный SOP), создание базы (руководство по созданию трех таблиц базы факторов). Способ вызова: /ljh-yinzi, «помоги разобрать вирусный материал», «какое из этих направлений следует сделать первым», «как создать базу факторов» Инструментарий для анализа факторов контента в сфере коротких видео для электронной коммерции. Три режима: разбор вирусного видео на факторы, ранжирование тем-кандидатов по ожидаемой ценности и создание библиотеки многоразовых факторов. Не запускать автоматически для сценариев, не связанных с электронной коммерцией контента, таких как разбор научных статей или финансовые факторные модели.
машинный переводПоказать оригиналСкрыть оригинал«内容因子工具。三种模式：拆解（把一条爆款素材拆到因子级）、排序（给候选专攻课题按 EV 打分排优先级并跑完整 SOP）、建库（指导搭建因子库…»
内容因子工具。三种模式：拆解（把一条爆款素材拆到因子级）、排序（给候选专攻课题按 EV 打分排优先级并跑完整 SOP）、建库（指导搭建因子库三张表）。 触发方式：/ljh-yinzi、「帮我拆一条爆款」「这几个方向该先做哪个」「怎么搭因子库」 Content-factor toolkit for short-video e-commerce. Three modes: decompose a viral video into factors, rank candidate focus topics by expected value, or build a reusable factor library. Trigger: /ljh-yinzi, "break down this viral video", "which topic should I focus on first", "help me build a factor library" 学术论文结构拆解、金融因子模型这类非内容电商场景，不要自动触发。
Инструмент для анализа факторов контента.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное 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: 38
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2019 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 24. 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 3 примера фраз-триггеров в кавычках
- +3Длина description 463 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 35 заголовков
- +3Пошаговые инструкции: 38 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.