SKILLEMALL.ai

AC viral-reverse-engineering

Используйте для обратного инжиниринга того, почему контент стал вирусным (или показал лучшие результаты) — ваш или чужой — и извлеките повторяемый механизм для применения к вашему собственному контенту. Запускайте, когда пользователь говорит «почему это стало вирусным», «разбери этот вирусный пост/видео», «обратный инжиниринг», «что сделало это успешным» или хочет учиться на вирусном контенте. Сначала собирает наблюдаемые сигналы (ввод, транскрипт, скриншоты, лучшие комментарии, видимая статистика — агент обычно не может смотреть видео по ссылке) и никогда не фабрикует то, что не может видеть. Сначала читает профиль бренда и аудиторию, послойно разбирает материал, выделяет реальный драйвер, проверяет на воспроизводимость, извлекает передаваемый принцип и применяет его к нише пользователя с помощью навыков контента. Механизм, а не копия; помечает невоспроизводимую виральность; только видимые сигналы (без аналитики WoopSocial). Разбор только одного поста: для анализа конкурентной среды на уровне аккаунта используйте анализ конкурентов; для использования текущего тренда используйте джакинг трендов.

машинный переводПоказать оригиналСкрыть оригинал«Use to reverse-engineer why a piece of content went viral (or overperf…»

Use to reverse-engineer why a piece of content went viral (or overperformed) — yours or someone else's — and extract the repeatable mechanism to apply to your own content. Run when the user says "why did this go viral," "break down this viral post/video," "reverse engineer," "what made this work," or wants to learn from viral content. Sources the observable signal first (intake, transcript, screenshots, top comments, visible stats — an agent usually can't watch a video from a link) and never fabricates what it can't see. Reads brand-profile and audience first, deconstructs the piece layer by layer, isolates the real driver, runs a replicability check, extracts the transferable principle, and applies it to the user's niche via the content skills. Mechanism, never a copy; flags non-replicable virality; visible signals only (no WoopSocial analytics). Single-POST teardown only: for the account-level competitive landscape use competitor-analysis; for riding a live trend use trend-jacking.

ClawHub Agent Skills автор: Social Media Skills v1.0.0 MIT-0 8 файлов тело ≈ 1 586 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте для обратного инжиниринга того, почему контент стал вирусным (или показал лучшие результаты) — ваш или чужой — и извлеките повторяемый механизм…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторМаркетингМедиа и видеоДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
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

    Для прогона на моделях — необязательно
    • 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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 54/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 26
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1586 токенов
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • medium Тестов 10, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
    • low Среди тестов нет случая на инъекцию через данные

    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)
    • +3Длина description 998: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 26 пунктов
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a content-analysis workflow that uses user-provided social-media signals to explain why content performed well, without hidden execution or disproportionate access.
    LLM: benign (high) · VirusTotal: · 24 июл. 2026 г.