SKILLEMALL.ai

BC xhs-universe-weekly

Инструмент для автоматического создания еженедельных отчетов по отслеживанию аудитории в "Вселенной аудиторий". Поддерживает любую отрасль (бытовая химия, косметика, товары для мам и детей, продукты питания и т. д.). Просто предоставьте адрес панели RedBI и название пакета аудитории отрасли. Инструмент автоматически извлекает данные, сравнивает "Вселенную аудиторий" с общим эффектом "посева", классифицирует приоритеты клиентов по трем логикам (не вложено/хороший эффект при малых затратах/данные хуже общих) и генерирует визуализированный HTML-отчет и онлайн-документацию Redoc. Ключевые слова: еженедельный отчет по вселенной аудиторий, еженедельный отчет по аудиториям, анализ проникновения аудитории, вселенная аудиторий, анализ аудиторий, отслеживание проникновения аудитории, анализ лучших материалов аудиторных пакетов.

машинный переводПоказать оригиналСкрыть оригинал«人群宇宙投放追踪周报自动生成工具。支持任意行业(家清、美妆、母婴、食品等),只需提供 RedBI 看板地址和行业人群包名称,自动拉取数据、对…»

人群宇宙投放追踪周报自动生成工具。支持任意行业(家清、美妆、母婴、食品等),只需提供 RedBI 看板地址和行业人群包名称,自动拉取数据、对比人群宇宙 vs 整体种草效果、按三类逻辑分层客户优先级(未投放/效果好投入少/数据不及整体),生成可视化 HTML 周报和 Redoc 在线文档。触发词:人群宇宙周报、人群周报、人群渗透分析、人群宇宙、人群分析、人群渗透追踪、人群包优质素材分析。

ClawHub Agent Skills автор: peike-boop v1.1.0 MIT-0 6 файлов · 1 скрипт тело ≈ 1 651 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент для автоматического создания еженедельных отчетов по отслеживанию аудитории в "Вселенной аудиторий".

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 6. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 59
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1651 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -212 эмодзи в инструкциях: шум для модели
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 194 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 59 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: suspicious
The skill appears to generate the advertised internal weekly report, but it automatically uses SSO credentials and publishes sensitive business data without clear consent or sharing limits.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.