SKILLEMALL.ai

BC content-matrix-factory

Фабрика контента для AI-матрицы медиа. Охватывает матричную работу на нескольких платформах: посты-рекомендации Xiaohongshu, сценарии для видео Douyin, длинные статьи для WeChat Official Accounts, короткий контент для Weibo/Zhihu. Основные возможности: массовая генерация контента для нескольких аккаунтов, автоматическое написание рекламных текстов для изображений и текста, адаптивное переписывание под стиль каждой платформы, управление графиком публикаций, отслеживание трендов + создание контента на их основе. Поддерживает матричную работу (одновременное управление 3-20 аккаунтами). Триггерные слова: медиа-матрица, фабрика контента, рекомендации Xiaohongshu, продающие тексты для изображений и текста, многоплатформенная работа.

машинный переводПоказать оригиналСкрыть оригинал«AI自媒体矩阵内容工厂。覆盖小红书种草笔记、抖音带货脚本、 公众号长文、微博/知乎短内容的多平台矩阵运营。 核心能力:多账号内容批量生成、图…»

AI自媒体矩阵内容工厂。覆盖小红书种草笔记、抖音带货脚本、 公众号长文、微博/知乎短内容的多平台矩阵运营。 核心能力:多账号内容批量生成、图文带货文案自动撰写、 各平台风格自适应改写、内容排期管理、热点追踪+借势创作。 支持矩阵化运营(3-20个账号同时管理)。 触发词:自媒体矩阵、内容工厂、小红书种草、图文带货、多平台运营。

ClawHub Agent Skills автор: qq435912743 v1.0.0 MIT-0 4 файла тело ≈ 850 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Фабрика контента для AI-матрицы медиа.

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

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "visibility"

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. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 19
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 850 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 164 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (5 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
The skill is mainly a content-generation helper, but it adds persistent self-learning behavior and broad local write capability without clear opt-in, scoping, or deletion controls.
LLM: suspicious (high) · 14 авг. 2026 г.