AB content-channel-research
Структурированная система принятия решений GO/NO-GO для проверки тем контента перед написанием сценария или записью. Проводит сегментацию аудитории, исследование усыновления, проверку насыщения и анализ конкурентной дифференциации, чтобы сообщить вам, стоит ли производить тему и какой именно угол использовать. Используйте при запросах «стоит ли снимать видео о X?», «насыщена ли эта тема?», «какой угол использовать?» или всякий раз, когда создатель контента проверяет идею. Предотвращает пустую трату усилий на производство тем, которые уже насыщены или которые ваша аудитория на самом деле не нуждается.
машинный переводПоказать оригиналСкрыть оригинал«Structured GO/NO-GO framework for validating content topics before you…»
Structured GO/NO-GO framework for validating content topics before you script or record anything. Runs audience segmentation, adoption research, saturation check, and competitive differentiation analysis to tell you if a topic is worth producing and EXACTLY what angle to take. Use when asking "should I make a video about X?", "is this topic saturated?", "what angle should I take?", or any time a content creator is validating an idea. Prevents wasted production effort on topics that are already saturated or that your audience doesn't actually need.
Структурированная система принятия решений GO/NO-GO для проверки тем контента перед написанием сценария или записью.
Как процесс B 67/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу
Такой же скилл встречается ещё в 1 месте: ClawHub
Как улучшить
- Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
- 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-long-hermesdescription 554 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой) - заметка
frontmatter-keyнеизвестное поле фронтматтера "emoji"
Процессный рейтинг: все десять параметров 67/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 53
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1788 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 553 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 53 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.