SKILLEMALL.ai

AD wangyin-zhongnian-self-media

Навык для самомедийного контента для среднего возраста с интернет-зависимостью — полный цикл производства и публикации контента для WeChat-аккаунта «网瘾中年». Охватывает оценку тем, набора, создание брифов, подбор формул вирусного контента, написание в нативном стиле WeChat, пост-редактуру для удаления ИИ-эффектов, контроль соответствия AIGC, генерацию обложек, отправку черновиков и анализ данных. Триггеры: «написать статью для WeChat» «опубликовать статью» «отправить в черновики» «отправить черновик» «выбрать тему» «рекламная статья» «верстка ежедневной статьи» «проанализировать данные чтения» «формула вирусного контента» «网瘾中年». Не используется для создания контента для X/Xiaohongshu/Douyin и других платформ, не для чисто кодовых задач, не для публикации в видео-аккаунтах (для этого используется отдельная автоматизация видео).

машинный переводПоказать оригиналСкрыть оригинал«网瘾中年的自媒体技能——微信公众号「网瘾中年」专用内容生产与发布全流程。覆盖选题评估、创作简报、爆款公式匹配、公众号原生写作、去AI味精修、…»

网瘾中年的自媒体技能——微信公众号「网瘾中年」专用内容生产与发布全流程。覆盖选题评估、创作简报、爆款公式匹配、公众号原生写作、去AI味精修、AIGC合规守门、封面生成、草稿箱推送、数据复盘九个环节。触发词:"写一篇公众号""发一篇""推草稿箱""推送草稿""做选题""软广""日报排版""复盘阅读数据""爆款公式""网瘾中年"。不用于X/小红书/抖音等其他平台创作,不用于纯代码任务,不用于视频号发布(走独立视频自动化)。

ClawHub Agent Skills автор: Eric v1.1.0 MIT-0 7 файлов тело ≈ 1 573 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык для самомедийного контента для среднего возраста с интернет-зависимостью — полный цикл производства и публикации контента для WeChat-аккаунта «网瘾中年».

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИИ и агентыБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 7. 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 48/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1573 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -216 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a disclosed single-account WeChat content workflow with draft-box publishing safeguards, though users should understand it can read local workflow files and run publishing-related commands when asked.
LLM: benign (high) · VirusTotal: · 27 июл. 2026 г.