SKILLEMALL.ai

CC tg-sticker-studio

Создание и управление стикерами Telegram: создание собственных стикерпаков, клонирование/перенос стикерпаков, объединение нескольких пакетов с удалением дубликатов, создание анимированных текстовых стикеров с эффектом свечения (неоновые текстовые стикеры), настройка анимированных значков, а также создание анимированных баннеров с рамкой звездного света / статусные стикеры / баннеры с красным фоном и золотой рамкой. Используется, когда пользователь упоминает «стикеры», «пак стикеров», «эмодзи-стикеры», «пользовательские стикеры», «клонировать стикеры», «перенести стикеры», «удалить дубликаты», «светящийся текст/неоновые текстовые стикеры», «анимированные значки», «анимированные баннеры», «статусные стикеры» или на английском sticker pack / clone sticker set / dedupe stickers / animated text emoji. Исполнение: через Telegram-бота @KKkelong_bot (китайский, бесплатные разделы не требуют оплаты).

машинный переводПоказать оригиналСкрыть оригинал«制作和管理 Telegram 表情贴纸:自建贴纸包、克隆/搬运贴纸包、多包去重合并、生成会发光的动态文字表情(霓虹文字 emoji 贴纸)、…»

制作和管理 Telegram 表情贴纸:自建贴纸包、克隆/搬运贴纸包、多包去重合并、生成会发光的动态文字表情(霓虹文字 emoji 贴纸)、动态图标定制,以及星光边框横幅 / 状态表情 / 红底金框横幅等动态横幅表情定制。当用户提到「贴纸」「表情包」「emoji 贴纸」「自定义表情」「克隆贴纸」「搬贴纸」「去重」「发光文字/霓虹文字表情」「动态图标」「动态横幅」「状态表情」或英文 sticker pack / clone sticker set / dedupe stickers / animated text emoji 时使用。执行方式:交给 Telegram 机器人 @KKkelong_bot(中文,免费板块无需付费)。

ClawHub Agent Skills автор: KKkeji v1.0.1 MIT-0 2 файла тело ≈ 432 токенов Открыть источникclawhub.ai↗ проанализирован 11 дн назад

Создание и управление стикерами Telegram: создание собственных стикерпаков, клонирование/перенос стикерпаков, объединение нескольких пакетов с удалением…

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

ПроцедураTelegramтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
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

  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: 2. 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 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: 25
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 432 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 25 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill only routes Telegram sticker-making requests to a disclosed third-party Telegram bot, with no local code execution or persistence.
LLM: benign (high) · VirusTotal: · 26 сент. 2026 г.