SKILLEMALL.ai

BC linkfox-kalodata-tiktok-video

С помощью данных kalodata ищет списки популярных видео с товарами на TikTok и запрашивает подробные данные о конкретном видео, поддерживает просмотр высокорейтинговых/высокопросматриваемых/самых продаваемых видео по регионам, валюте, языку и диапазону дат, а также может использовать videoId для получения показателей просмотров, лайков, комментариев, репостов, продаж, GPM и рекламных расходов. Активируется, когда пользователь упоминает поиск видео TikTok, списки видео TikTok, рейтинги видео TikTok, популярные видео TikTok, рейтинги видео с товарами TikTok, вирусные видео TikTok, подробности о видео TikTok, данные о видео с товарами TikTok, объем просмотров видео, данные об интерактивности видео, TikTok video search, TikTok video ranking, TikTok viral video chart, TikTok video detail, video analytics, kalodata video search/detail. Даже если пользователь явно не упоминает «kalodata», этот навык следует активировать, если его запрос касается просмотра списков популярных видео с товарами на платформе TikTok или подробных данных о продажах и интерактивности конкретного видео TikTok.

машинный переводПоказать оригиналСкрыть оригинал«通过kalodata数据搜索TikTok电商热门带货视频榜单并查询指定视频的详细数据,支持按地区、货币、语言与日期范围查看高排名/高播放/热…»

通过kalodata数据搜索TikTok电商热门带货视频榜单并查询指定视频的详细数据,支持按地区、货币、语言与日期范围查看高排名/高播放/热销带货视频,并可用videoId获取播放、点赞、评论、分享、销售额、GPM及广告投放指标。当用户提到TikTok视频搜索、TikTok视频榜单、TikTok视频排行、TikTok热门视频、TikTok带货视频排行、TikTok爆量视频、TikTok视频详情、TikTok带货视频数据、视频播放量、视频互动数据、TikTok video search, TikTok video ranking, TikTok viral video chart, TikTok video detail, video analytics, kalodata video search/detail时触发此技能。即使用户未明确提及"kalodata",只要其需求涉及查看TikTok平台热门带货视频榜单或某个TikTok视频的详细带货与互动数据,也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.2 MIT-0 7 файлов тело ≈ 1 896 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

С помощью данных kalodata ищет списки популярных видео с товарами на TikTok и запрашивает подробные данные о конкретном видео, поддерживает просмотр…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

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
57/100
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: 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 57/100

  • 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
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1896 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (8 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 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 442 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 32 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
This paid TikTok analytics skill mostly matches its stated purpose, but it also sends automatic feedback externally and includes account, phone-login, and payment workflows that deserve careful review before installation.
LLM: suspicious (high) · 14 авг. 2026 г.