AC aikey-retro
AI KEY·анализ после публикации —— навык анализа коротких видео после публикации. После публикации собираются реальные данные платформы, проводится сравнительный анализ с прогнозами до публикации для обсуждения причин, а проверенные закономерности записываются в память навыка — чтобы система научилась «почему это стало популярным». Также можно просмотреть последнюю партию опубликованного контента, чтобы увидеть, какое общее впечатление они произвели и насколько оно отличается от того, что вы хотели бы запомнить. Триггер: /aikey-retro, «данные получены», «анализ», /aikey-анализ, «данные по этому видео получены», «почему это стало популярным», «почему это не стало популярным», «проанализируй», «какое впечатление производят эти последние видео», «аккаунт сбился с пути» Анализ после публикации: сбор реальных данных платформы, сопоставление с прогнозами до публикации для определения причин, запись проверенных закономерностей в память навыка. Также просматривается недавняя партия контента, чтобы увидеть общее впечатление, которое он произвел, и насколько оно отличается от того, что вы хотели бы запомнить. Триггер: /aikey-retro, «цифры получены», «почему это видео провалилось/выстрелило» —— AI KEY · Не даем формул, даем критерии. Каждое правило подкреплено реальными тестами.
машинный переводПоказать оригиналСкрыть оригинал«AI KEY·发布后复盘 ——短视频复盘技能。发布后把真实平台数据收回来，对照发布前的预判做归因讨论，把验证过的规律写进技能记忆——让系统学…»
AI KEY·发布后复盘 ——短视频复盘技能。发布后把真实平台数据收回来，对照发布前的预判做归因讨论，把验证过的规律写进技能记忆——让系统学会「为什么这条火」。也可以一次回看最近一批已发内容，看它们合起来给人留下了什么印象、和你想让人记住的差多远。 触发方式：/aikey-retro、/数据出来了、/复盘、/aikey-复盘、「这条数据出来了」「为什么这条火」「为什么这条没火」「复盘一下」「最近这些条给人什么感觉」「账号是不是跑偏了」 Post-publish retro: collect real platform data, attribute against pre-publish predictions, write validated patterns into skill memory. Also reviews a recent batch to see what impression the posts add up to. Trigger: /aikey-retro, "the numbers are in", "why did this video flop/pop" —— AI KEY · 不给公式，给判据。每条规则都标了实测代价。
AI KEY·анализ после публикации —— навык анализа коротких видео после публикации.
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName"
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: 31
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 917 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +3Длина description 535 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 31 пунктов
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.