SKILLEMALL.ai

BD ZeeLin 知乎自动发布

Пользователь задает тему, а агент собирает информацию, структурирует ее в глубокую и оригинальную статью, показывает пользователю для подтверждения и публикует в Zhihu одним кликом. Пользователю нужно только войти в Zhihu и нажать «Подтвердить» после проверки. Агент отвечает за исследование темы, написание статьи и автоматическое заполнение данных в браузере для публикации. Ключевые слова: Zeelin, Zhihu, автоматическая публикация, выбор темы, глубокая статья, публикация в один клик.

машинный переводПоказать оригиналСкрыть оригинал«用户给出选题,小龙虾爬取信息、整理成一篇深度有创新的文章,展示给用户确认后一键发布到知乎。用户只需登录知乎并在确认后点击「确定」,Agent…»

用户给出选题,小龙虾爬取信息、整理成一篇深度有创新的文章,展示给用户确认后一键发布到知乎。用户只需登录知乎并在确认后点击「确定」,Agent 负责选题调研、成文与浏览器端自动填入并发布。Keywords: Zeelin, ZeeLin, 知乎, 自动发布, 选题, 深度文章, 一键发布.

ClawHub Agent Skills автор: kelcey2023 v0.1.0 MIT-0 5 файлов · 2 скрипта тело ≈ 1 509 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Пользователь задает тему, а агент собирает информацию, структурирует ее в глубокую и оригинальную статью, показывает пользователю для подтверждения и…

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
D
39/100
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 39/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (ZeeLin 知乎自动发布) не совпадает с папкой (zeelin-zhihu-autopost)
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 38
  • 100Стоимость исполнения. Тело инструкции 1509 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Есть примеры (4 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This skill openly drafts and publishes Zhihu articles after user confirmation, with no evidence of hidden persistence, unrelated data access, or deceptive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.