SKILLEMALL.ai
GitHub ↗ EN Войти

BD xhs-feedback-analyzer

Инструмент для мониторинга постов о курьерских услугах на Xiaohongshu и анализа отзывов пользователей. Многоключевой поиск (Meituan delivery/delivery/help buy/help send и т. д.), фильтрация по дате публикации, сортировка по релевантности, глубокая классификация (тип услуги/эмоции/тип отзыва), вывод отчета в формате Markdown с записью в документ KM Learning City. Используется, когда пользователю требуется проанализировать пользовательскую репутацию курьерских услуг на Xiaohongshu, проводить регулярный мониторинг общественного мнения, анализировать отзывы конкурентов. Триггерные слова: анализ отзывов Xiaohongshu, мониторинг постов о доставке, сбор данных с Xiaohongshu, анализ отзывов пользователей, мониторинг общественного мнения.

машинный переводПоказать оригиналСкрыть оригинал«小红书跑腿类帖子监控与用户反馈分析工具。多关键词搜索（美团跑腿/跑腿/帮买/帮送等），按发帖日期过滤，相关性筛选，深度分类（服务类型/情感/…»

小红书跑腿类帖子监控与用户反馈分析工具。多关键词搜索（美团跑腿/跑腿/帮买/帮送等），按发帖日期过滤，相关性筛选，深度分类（服务类型/情感/反馈类型），输出 Markdown 报告写入 KM 学城文档。当用户需要分析跑腿产品在小红书的用户口碑、定期舆情监控、竞品用户反馈时使用。触发词：小红书反馈分析、跑腿帖子监控、抓小红书、分析用户评价、舆情。

ClawHub Agent Skills автор: qinghuan2000 v1.0.1 MIT-0 8 файлов тело ≈ 258 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Инструмент для мониторинга постов о курьерских услугах на Xiaohongshu и анализа отзывов пользователей.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип 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
B
84/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Обфускация средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Обфускация uni-zero-width output/xhs_paotui_2026-03-17.json:209
    Невидимые символы нулевой ширины (возможен скрытый текст) (12 шт.)
    "body": "本人于2026年3月10日10:39:12在美团平台闪购商家「气球鲜花派对」购买「仙子之吻花束【甜蜜守护】」一束，订单号：2802 0295 9359 9887 500，实付货款83元。\n收到的鲜花实物与商家宣传图片严重不符、质量差距极大，属于明显货不对板。发现问题后，我第一时间与商家沟通，并自费1…

Просканировано файлов: 8. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 258 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -31 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 173 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
This skill has a real social-media monitoring purpose, but it over-collects raw posts, uses logged-in browser and KM access, and has an undisclosed remote LLM data flow.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.