SKILLEMALL.ai

BC linkfox-echotik-batch-video-detail

Пакетный запрос подробных данных о видео TikTok, включая описание видео, количество просмотров (общее и прирост за последние 1/7/30 дней), лайки (общее и прирост), комментарии, репосты, избранное, продажи видео и GMV, продолжительность и разрешение видео, дату публикации, информацию о блогере (ID/аккаунт/аватар), наличие продажи товаров/рекламы/AI-видео, связанные товары и категории. Поддерживает пакетное получение данных по ID видео или URL видео TikTok. Активируется, когда пользователь упоминает подробности о видео TikTok, пакетный запрос подробностей о видео TikTok, подробности о просмотрах видео TikTok, подробности о продажах видео TikTok, анализ данных видео TikTok, пакетное получение информации о видео TikTok, подробности о видео EchoTik, TikTok video detail, batch video lookup, TikTok video analytics detail, TikTok video views detail, TikTok video sales detail. Даже если пользователь не упоминает "EchoTik" явно, этот инструмент следует активировать, если его запрос касается пакетного получения подробных данных о просмотрах и маркетинге видео TikTok по ID видео или URL видео.

машинный переводПоказать оригиналСкрыть оригинал«批量查询TikTok视频详情数据,包括视频描述、播放量(总量及近1天/7天/30天增量)、点赞(总量及增量)、评论、分享、收藏、视频销量与G…»

批量查询TikTok视频详情数据,包括视频描述、播放量(总量及近1天/7天/30天增量)、点赞(总量及增量)、评论、分享、收藏、视频销量与GMV、视频时长与分辨率、发布日期、达人信息(ID/账号/头像)、是否带货/投流/AI视频、关联商品与类目,支持通过视频ID或TikTok视频URL批量获取。当用户提到TikTok视频详情、批量查询TikTok视频、TikTok视频播放量详情、TikTok视频销量详情、TikTok视频数据分析、批量获取TikTok视频信息、EchoTik视频详情、TikTok video detail, batch video lookup, TikTok video analytics detail, TikTok video views detail, TikTok video sales detail时触发此技能。即使用户未明确提及"EchoTik",只要其需求涉及根据视频ID或视频URL批量获取TikTok视频的详细播放与营销数据,也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.3 MIT-0 5 файлов тело ≈ 2 193 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Пакетный запрос подробных данных о видео TikTok, включая описание видео, количество просмотров (общее и прирост за последние 1/7/30 дней), лайки (общее и…

Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМаркетингМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
50/100
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

  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:49
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 5. 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 50/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 60Ошибки и развилки. Развилок: 2
  • 85Шаги. Шагов: 36, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2193 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (13 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
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 444 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The skill mostly performs the advertised TikTok video lookup, but it also includes sensitive account, API-key, feedback, and payment workflows that need review before installation.
LLM: suspicious (high) · 14 сент. 2026 г.