SKILLEMALL.ai

BC tianshu-script-analyzer

🎭 Библиотека сценариев Tianshu: анализ факторов популярности коротких сериалов. Ввод названия сериала возвращает отчет об анализе факторов популярности (бесплатный предварительный просмотр: базовый профиль + основные выводы / полная версия: углубленный анализ по 7 параметрам + многоразовые формулы). Данные охватывают более 200 коротких сериалов, предназначены для специалистов в области коротких сериалов в Китае. Активируется, когда пользователь спрашивает: анализ коротких сериалов, причины популярности, оценка сценария, почему сериал стал хитом.

машинный переводПоказать оригиналСкрыть оригинал«🎭 天枢剧本库:短剧爆款因子分析。输入剧名返回爆款因子分析报告(免费预览:基础画像+核心结论 / 完整版:7维度深度拆解+可复用公式)。数…»

🎭 天枢剧本库:短剧爆款因子分析。输入剧名返回爆款因子分析报告(免费预览:基础画像+核心结论 / 完整版:7维度深度拆解+可复用公式)。数据覆盖200+部短剧,面向国内短剧行业人士。当用户询问:短剧分析、爆款原因、剧本评估、某部剧为什么火时触发。

ClawHub Agent Skills автор: Mak v1.0.0 MIT-0 4 файла тело ≈ 1 041 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

🎭 Библиотека сценариев Tianshu: анализ факторов популярности коротких сериалов.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 4. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 68
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1041 токенов

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 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 68 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a disclosed paid short-drama analysis skill that uses a stated web API and Alipay flow, with no hidden code or local access found.
LLM: benign (high) · VirusTotal: · 31 мая 2026 г.