SKILLEMALL.ai
GitHub ↗ EN Войти

BC linkedin-easy-apply

Автоматизация поиска и подачи заявок на LinkedIn Easy Apply с помощью Puppeteer/Chromium, проверенного PDF-резюме, фильтрации по удаленной работе/должности, повторных ежедневных запусков с сохранением состояния и консервативных ограничений ответов.

машинный переводПоказать оригиналСкрыть оригинал«Automate LinkedIn Easy Apply searches and applications with Puppeteer/…»

Automate LinkedIn Easy Apply searches and applications with Puppeteer/Chromium, a verified resume PDF, remote/job-title filtering, stateful daily reruns, and conservative answer guardrails.

ClawHub Agent Skills автор: Anthony Ettinger v1.0.0 MIT-0 2 файла тело ≈ 1 315 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Автоматизация поиска и подачи заявок на LinkedIn Easy Apply с помощью Puppeteer/Chromium, проверенного PDF-резюме, фильтрации по удаленной работе/должности…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

АнализаторPlaywrightИнфраструктуратип 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
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1

✓ Guard не нашёл подозрительного поведения. 1 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

Просканировано файлов: 2. 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 63/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (linkedin-easy-apply) не совпадает с папкой (linkedin-easy-apply-automation)
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 41, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 1315 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • 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
  • +2Инструкции на одном языке
  • +3Длина description 189 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (6 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a straightforward LinkedIn job-application automation guide, but it can submit real applications and store local run history, so users should run it carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.