SKILLEMALL.ai

BD stock-review-to-wechat-official

[Универсальный инструмент продуктивности для создателей контента] Мгновенное преобразование любого длинного текста в статью для WeChat. Поддерживает автоматическое преобразование неструктурированного контента, такого как разговорные записи чатов, черновики материалов, протоколы совещаний, заметки по чтению, отраслевой анализ, обзоры соревнований и т. д., в четко структурированные, правильно отформатированные статьи, соответствующие привычкам чтения в WeChat. Автоматически извлекает ключевые идеи, структурирует контент по уровням, генерирует соответствующие уведомления. Не требует ручной настройки форматирования. Вывод контента, готового к публикации, за 10 секунд, что значительно снижает порог производства контента для WeChat.

машинный переводПоказать оригиналСкрыть оригинал«【内容创作者通用生产力工具】任意长文本一键转公众号推文神器,支持将口语化聊天记录、素材草稿、会议纪要、读书笔记、行业分析、赛事复盘等所有非结…»

【内容创作者通用生产力工具】任意长文本一键转公众号推文神器,支持将口语化聊天记录、素材草稿、会议纪要、读书笔记、行业分析、赛事复盘等所有非结构化内容,自动转换为结构清晰、排版规范、符合公众号阅读习惯的标准化推文,自动提炼核心观点、分层排版、生成合规提示,无需手动调整格式,10秒输出可直接发布的内容,大幅降低公众号内容生产门槛

ClawHub Agent Skills автор: ninetyhe v1.2.0 MIT-0 2 файла тело ≈ 320 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

[Универсальный инструмент продуктивности для создателей контента] Мгновенное преобразование любого длинного текста в статью для WeChat.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 2. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (stock-review-to-wechat-official) не совпадает с папкой (text-to-wechat-official)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Стоимость исполнения. Тело инструкции 320 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +4Структура: 2 заголовков, инструкции сложно сканировать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 163 символов: достаточно сигнала, не съедает бюджет
  • +3Пошаговые инструкции: 8 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This is a WeChat article-formatting skill with a disclosed local save step and no executable code or hidden data transfer.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.