SKILLEMALL.ai

AD xiaohongshu-weeklytop

Анализ трендов контента на платформе Xiaohongshu, основанный на глубоком анализе ТОП-50 популярных постов за последние 7 дней, с поддержкой запросов по 25 вертикальным категориям, поиском скрытых хитов и ежедневной подпиской на уведомления. Создатели контента могут запрашивать популярный контент Xiaohongshu, анализировать хитовые посты, понимать тренды в различных областях или получать вдохновение для творчества.

машинный переводПоказать оригиналСкрыть оригинал«专注于小红书平台的内容趋势分析,基于近7天热门笔记TOP50深度洞察,支持25个垂直领域分类查询、冷门爆款挖掘及每日订阅推送。创作者可查询小…»

专注于小红书平台的内容趋势分析,基于近7天热门笔记TOP50深度洞察,支持25个垂直领域分类查询、冷门爆款挖掘及每日订阅推送。创作者可查询小红书热门内容、分析爆款笔记、了解各领域趋势或获取创作灵感。

ClawHub Agent Skills автор: if530770 v1.0.5 MIT-0 8 файлов тело ≈ 1 719 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ трендов контента на платформе Xiaohongshu, основанный на глубоком анализе ТОП-50 популярных постов за последние 7 дней, с поддержкой запросов по 25…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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: 8. 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 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (xiaohongshu-weeklytop) не совпадает с папкой (xhs-weekly-ranking)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 50
  • 100Стоимость исполнения. Тело инструкции 1719 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 99: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
The skill appears to be a Xiaohongshu trend/reporting helper, but it asks for persistent credential handling and recurring push behavior that need careful review before installation.
LLM: suspicious (medium) · VirusTotal: · 5 июн. 2026 г.