SKILLEMALL.ai
GitHub ↗ EN Войти

AD linkfox-chuhaijiang-tiktok-live

Исследует общедоступные прямые трансляции TikTok с помощью Chuhaijiang. Поддерживает поиск прямых трансляций по нескольким условиям, детализацию отдельных трансляций и анализ товаров в прямых продажах. Активируется, когда пользователь явно упоминает Chuhaijiang и намеревается искать прямые трансляции, просматривать их детали или находить товары, продаваемые в прямых трансляциях. Даже если источник данных не указан, активируется только при необходимости поиска товаров в прямых продажах по трансляциям. Для общих списков или сведений о прямых трансляциях в TikTok используйте linkfox-kalodata-tiktok-livestream, для исследования связей между товарами и прямыми трансляциями — linkfox-chuhaijiang-tiktok-product; не активируется при указании других источников данных.

машинный переводПоказать оригиналСкрыть оригинал«使用出海匠（Chuhaijiang）研究 TikTok 公开直播市场，支持多条件直播搜索、单场直播详情和直播带货商品钻取。用户明确点名出海匠…»

使用出海匠（Chuhaijiang）研究 TikTok 公开直播市场，支持多条件直播搜索、单场直播详情和直播带货商品钻取。用户明确点名出海匠或 Chuhaijiang 且意图是直播搜索、直播详情或从直播反查商品时触发；即使用户未指定数据源，也仅在需要从直播反查带货商品时触发。通用 TikTok 带货直播榜单或详情使用 linkfox-kalodata-tiktok-livestream，从商品出发的关联直播研究使用 linkfox-chuhaijiang-tiktok-product；点名其他数据源时不触发。

ClawHub Agent Skills автор: linkfox-ai v1.0.0 MIT-0 7 файлов тело ≈ 1 787 токенов Открыть источникclawhub.ai↗ проанализирован 2 ч назад

Исследует общедоступные прямые трансляции TikTok с помощью Chuhaijiang.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:13
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    - macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
    в кавычках
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:14
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)
    - Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/onboarding.py:50
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 7. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1787 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (9 тегов): типизированный вызов надёжнее

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 257 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
The skill mostly does the advertised TikTok livestream research, but it also handles login, API keys, and payment flows with insufficient endpoint and credential-safety boundaries.
LLM: suspicious (high) · 14 сент. 2026 г.