SKILLEMALL.ai

AB google-maps-reviews-scraper-apify

Используйте этот навык, когда пользователю нужны отзывы Google Maps из конкретных мест через актора Apify, включая текст отзыва, рейтинги, даты, URL-адреса отзывов, данные профиля рецензента, ответы владельца, контекст отзыва, подробные рейтинги и метаданные места из URL-адресов мест Google Maps, URL-адресов CID, URL-адресов отзывов или идентификаторов мест.

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when the user needs Google Maps reviews from exact plac…»

Use this skill when the user needs Google Maps reviews from exact places through an Apify actor, including review text, ratings, dates, review URLs, reviewer profile data, owner replies, review context, detailed ratings, and place metadata from Google Maps place URLs, CID URLs, review URLs, or Place IDs.

ClawHub Agent Skills автор: hundevmode v1.0.0 MIT-0 11 файлов тело ≈ 1 372 токенов Открыть источникclawhub.ai проанализирован 26 ч назад

Используйте этот навык, когда пользователю нужны отзывы Google Maps из конкретных мест через актора Apify, включая текст отзыва, рейтинги, даты, URL-адреса…

Как процесс B 74/100 · Почти готов — слабые места: отчётность по ходу

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Отчётность по ходу вес 2
0
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "required_env_vars"
    • заметка frontmatter-key неизвестное поле фронтматтера "required-env-vars"
    • заметка frontmatter-key неизвестное поле фронтматтера "primary_credential"
    • заметка frontmatter-key неизвестное поле фронтматтера "primary-credential"

    Процессный рейтинг: все десять параметров 74/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 45
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1372 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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)
    • +2Инструкции на одном языке
    • +3Длина description 305 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a coherent Apify-based Google Maps reviews scraping skill, with privacy-sensitive reviewer profile collection that users should intentionally control.
    LLM: benign (high) · VirusTotal: · 1 июн. 2026 г.