SKILLEMALL.ai

AC preflight

Проверка реакции аудитории перед публикацией. Прогоните любой контент (твит, текст запуска, страницу с ценами, объявление, пост в блоге) через разнообразные AI-персоны перед публикацией. Возвращает прогноз вовлеченности, потенциал для распространения и конкретные переписанные варианты. Используйте, когда собираетесь публиковать в социальных сетях, запускать продукт, объявлять об изменении цен, публиковать пост в блоге или в любое время, когда вы хотите предсказать реакцию аудитории перед выходом в эфир. Активируется по запросам "preflight this", "how will this land", "test this before posting", "will anyone care about this", "check this copy", "pre-test this announcement".

машинный переводПоказать оригиналСкрыть оригинал«Pre-publish audience reaction check. Run any content (tweet, launch co…»

Pre-publish audience reaction check. Run any content (tweet, launch copy, pricing page, announcement, blog post) through diverse AI personas before publishing. Returns engagement prediction, share potential, and specific rewrites. Use when about to post on social media, launch a product, announce pricing changes, publish a blog post, or any time you want to predict audience reaction before going live. Triggers on "preflight this", "how will this land", "test this before posting", "will anyone care about this", "check this copy", "pre-test this announcement".

ClawHub Agent Skills автор: Kevin Bolander v1.0.0 MIT-0 4 файла тело ≈ 565 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проверка реакции аудитории перед публикацией.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

СправочникМаркетингТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 10
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 565 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
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 564 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This is a coherent pre-publication feedback skill that reviews user-provided draft content with AI personas, with privacy considerations around the configured model endpoint.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.