SKILLEMALL.ai

AD wechat-similar-account

Инструмент подбора конкурирующих аккаунтов для авторов WeChat. Рекомендует конкурирующие и ведущие аккаунты на основе 3-уровневой системы взвешенного сопоставления (основные базовые 40% + операционная монетизация 35% + характеристики данных 25%). Используйте, когда пользователю нужна рекомендация аккаунта WeChat, подбор конкурирующего аккаунта,参考 для запуска нового аккаунта, выбор аккаунта для размещения рекламы. Ключевые слова для активации: 公众号对标, 相似账号, 对标推荐, 起号参考, 账号匹配.

машинный переводПоказать оригиналСкрыть оригинал«公众号创作者对标账号匹配工具,基于3层加权匹配体系(核心基础40%+运营变现35%+数据特征25%)推荐对标账号和头部账号。当用户需要公众号…»

公众号创作者对标账号匹配工具,基于3层加权匹配体系(核心基础40%+运营变现35%+数据特征25%)推荐对标账号和头部账号。当用户需要公众号账号推荐、公众号对标、起号参考、账号投放选择时使用。触发词:公众号对标、相似账号、对标推荐、起号参考、账号匹配。

ClawHub Agent Skills автор: RedFox v1.0.2 MIT-0 6 файлов тело ≈ 1 823 токенов Открыть источникclawhub.ai проанализирован 24 ч назад

Инструмент подбора конкурирующих аккаунтов для авторов WeChat.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияРазработкаТексты и документыИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Опасные команды cmd-shell-rc SKILL.md:52
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (строка таблицы в документации)
    | macOS/Linux | `echo 'export REDFOX_API_KEY=<值>' >> ~/.zshrc && source ~/.zshrc` | `echo $REDFOX_API_KEY` |
    таблица
  • низкая Опасные команды cmd-shell-rc SKILL.md:261
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    3. macOS/Linux 用户执行:`echo 'export REDFOX_API_KEY=<你的API Key>' >> ~/.zshrc` 然后 `source ~/.zshrc`
    в кавычках

Просканировано файлов: 6. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 58
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1823 токенов

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
  • -215 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 126 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 58 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
The skill performs the advertised WeChat account benchmarking, but it also uses persistent API-key setup, reads shell/profile files for that key, and injects mandatory promotional output.
LLM: suspicious (high) · 6 авг. 2026 г.