SKILLEMALL.ai

AC merchant-geo

Помощник по бесплатной GEO-оптимизации для малого и среднего бизнеса. Активируется, когда владельцы бизнеса нуждаются в следующих сценариях: - Публикация корпоративной рекламной информации в платформах социальных сетей - Создание контента статей, соответствующего SEO/GEO-оптимизации - Управление брендовым контентом компании на платформах Douyin, Xiaohongshu, Zhihu, Baijiahao, Toutiao, Sohu, NetEase, Kuaishou и других - Автоматическое создание рекламных текстов путем загрузки лицензии на ведение бизнеса, фотографий фасада магазина и других материалов о продукте - Упаковка кейсов клиентов и создание контента для формирования репутации компании - Публикация контента на нескольких платформах одним кликом или экспорт черновиков - Помоги мне с рекламой, помоги мне с продвижением, напиши статью, опубликуй в Douyin/Xiaohongshu/Zhihu - Загрузить фото фасада магазина/фото продукта/лицензию на ведение бизнеса Примеры триггерных фраз: «Помоги мне написать статью для рекламы моего магазина», «Загрузить фото фасада магазина», «Создать рекламный текст», «Опубликовать в Douyin Xiaohongshu»

машинный переводПоказать оригиналСкрыть оригинал«中小商家免费GEO优化助手。当商家老板需要以下场景时触发: - 发布企业宣传信息到自媒体平台 - 生成符合SEO/GEO优化的文章内容 -…»

中小商家免费GEO优化助手。当商家老板需要以下场景时触发: - 发布企业宣传信息到自媒体平台 - 生成符合SEO/GEO优化的文章内容 - 管理企业在抖音、小红书、知乎、百家号、头条号、搜狐号、网易号、快手等平台的品牌内容 - 上传营业执照、门头照片等产品资料自动生成宣传文案 - 客户案例包装和企业口碑内容创作 - 多平台内容一键发布或草稿导出 - 帮我宣传、帮我推广、写篇文章、发到抖音/小红书/知乎 - 上传门头照/产品图/营业执照 触发词示例:"帮我写篇文章宣传我的店"、"上传门头照片"、"生成推广文案"、"发到抖音小红书"

ClawHub Agent Skills автор: 寒武纪智能Cambrian Intelligence v1.0.0 MIT-0 10 файлов тело ≈ 1 534 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по бесплатной GEO-оптимизации для малого и среднего бизнеса.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

  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: 10. 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")

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 98
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1534 токенов

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
  • -33 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 267 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 98 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 5)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
This merchant-promotion skill is mostly purpose-aligned, but it collects sensitive business identity materials and can automate live public posting from logged-in accounts with weak scoping and inconsistent confirmation controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.