SKILLEMALL.ai

AC zmm-hook

📐 詹明明·开头前五秒 —— навык для создания заставок коротких видео. Сначала диагностируйте, есть ли в контенте «товар» (пропускной пункт), затем сравните реальные «входы» для материалов и популярные «входы» для создания интриги, комбинируя начало и паузы, чтобы получить варианты, с указанием принципа, использованного для каждого варианта. Способы активации: /zmm-hook, /钩子, /开头, /zmm-开头, «как написать начало», «первые пять секунд не цепляют», «помоги придумать несколько крючков», «годится ли такое начало» —— 📐 詹明明 · Не даю формул, даю критерии. Каждое правило отмечено реальной ценой. Opening-hook specialist: gate-check content first, then generate hooks by expectation forms and information-gap methods. Trigger: /zmm-hook, "how to write the opening", "give me some hooks"

машинный переводПоказать оригиналСкрыть оригинал«📐 詹明明·开头前五秒 ——短视频开头专项技能。先诊断内容有没有货(门禁),再比较真实材料入口与大众悬念入口,结合起手与留白出候选,每个候…»

📐 詹明明·开头前五秒 ——短视频开头专项技能。先诊断内容有没有货(门禁),再比较真实材料入口与大众悬念入口,结合起手与留白出候选,每个候选标注用了哪个原理。 触发方式:/zmm-hook、/钩子、/开头、/zmm-开头、「开头怎么写」「前五秒抓不住人」「帮我想几个钩子」「这个开头行不行」 Opening-hook specialist: gate-check content first, then generate hooks by expectation forms and information-gap methods. Trigger: /zmm-hook, "how to write the opening", "give me some hooks" —— 📐 詹明明 · 不给公式,给判据。每条规则都标了实测代价。

ClawHub Agent Skills автор: 詹明明 v0.2.10 MIT-0 6 файлов тело ≈ 1 652 токенов Открыть источникclawhub.ai↗ проанализирован 12 дн назад

📐 詹明明·开头前五秒 —— навык для создания заставок коротких видео.

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

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное 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: 34
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1652 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
    • -217 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 370 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This is mostly a Chinese short-video opening-writing advisor, but it needs Review because it tells the agent to automatically save user feedback into local/shared memory without explicit opt-in.
    LLM: suspicious (high) · 20 сент. 2026 г.