SKILLEMALL.ai
GitHub ↗ EN Войти

AB html-to-wechat

Преобразует существующий HTML-контент (файл, URL или вставленный HTML) и публикует его напрямую в черновики официального аккаунта WeChat. Без конвертации файлов, без веб-скрейпинга — только проверка совместимости HTML с WeChat для публикации. Используйте, когда у пользователя уже есть HTML, и он хочет отправить его в WeChat.

машинный переводПоказать оригиналСкрыть оригинал«Take existing HTML content (file, URL, or pasted HTML) and publish it…»

Take existing HTML content (file, URL, or pasted HTML) and publish it directly to WeChat Official Account draft box. No file conversion, no web scraping — just HTML to WeChat compatibility check to publish. Use when the user already has HTML and wants to push it to WeChat.

ClawHub Agent Skills автор: lutongsuo v1.0.0 MIT-0 5 файлов тело ≈ 3 753 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Преобразует существующий HTML-контент (файл, URL или вставленный HTML) и публикует его напрямую в черновики официального аккаунта WeChat.

Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

ПроцедураРазработкаИИ и агентыТексты и документытип 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "prerequisites"
    • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

    Процессный рейтинг: все десять параметров 69/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 26, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, read, web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 44
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3753 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком
    • low Ответ описан самодельной разметкой (15 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 273 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 44 пунктов
    • +4Есть примеры (13 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill coherently helps publish user-provided HTML to a WeChat draft box, but it uses WeChat credentials, external uploads, and one runtime dependency install that users should understand first.
    LLM: benign (medium) · VirusTotal: · 9 июл. 2026 г.