SKILLEMALL.ai

AC xhs-track-analysis

Используйте, когда требуется провести глубокий анализ определенной категории/направления на Xiaohongshu, чтобы понять, что спрашивают пользователи, как платформа отвечает на контент, кто его создает и кому больше доверяют, действительно ли пользователи доверяют этому, и сформировать рекомендации для бренда с доказательной базой и решением о запуске/отказе. Активируется по словам: анализ направления на Xiaohongshu, провести анализ направления, анализ категории XX на Xiaohongshu, исследование направления, исследование категории на Xiaohongshu, анализ контент-экосистемы Xiaohongshu, анализ контента конкурентов на Xiaohongshu, анализ инфлюенсеров на Xiaohongshu, анализ контента для привлечения на Xiaohongshu. Результат: краткий отчет для принятия решений (GO/NO-GO), без моделирования рыночного объема, реверс-инжиниринга алгоритмов платформы или автоматической генерации стратегии размещения.

машинный переводПоказать оригиналСкрыть оригинал«Use when 需要对小红书某个品类/赛道做深度分析,在看用户问什么、平台内容怎么回答、谁在讲且谁更可信、用户到底信不信,形成带证据边界的…»

Use when 需要对小红书某个品类/赛道做深度分析,在看用户问什么、平台内容怎么回答、谁在讲且谁更可信、用户到底信不信,形成带证据边界的品牌建议与 GO/NO-GO 投决。Triggers on: 小红书赛道分析, 做赛道分析, 分析XX品类在小红书, 赛道研究, 小红书品类研究, 小红书内容生态分析, 小红书竞品内容分析, 小红书达人分析, 小红书种草分析. 产出决策简报(GO/NO-GO),不做市场规模建模、平台算法逆向或自动生成投放策略。

ClawHub Agent Skills автор: qomob v3.0.0 MIT-0 26 файлов тело ≈ 1 062 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте, когда требуется провести глубокий анализ определенной категории/направления на Xiaohongshu, чтобы понять, что спрашивают пользователи, как…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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

    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: 25. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Use when 需要对小红书某个品类/赛道做深度分析,在看用户问什么、平台内容怎么回答、谁在讲且谁更可信、用户到底信不信,形成带证… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 56
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1062 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 10. 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 226 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 56 пунктов
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed Xiaohongshu research workflow with optional supervised public-data collection, but users should handle collected comments and third-party integrations carefully.
    LLM: benign (high) · VirusTotal: · 21 авг. 2026 г.