SKILLEMALL.ai

BC content-analytics

Анализ эффективности контента (v25.0 объединено с content-closed-loop), расчет показателей воспроизведения/полного воспроизведения/взаимодействия/конверсии, генерация рейтинга S/A/B/C и предложений по оптимизации + 6-шаговая замкнутая петля (публикация → рекомендация → обратная связь → анализ → оптимизация → обучение). Триггерные слова: анализ контента/данные воспроизведения/коэффициент полного воспроизведения/статистика взаимодействия/рейтинг контента/замкнутая петля/CP-07 Не срабатывает: публикация контента/шаблон контента/обнаружение трендов

машинный переводПоказать оригиналСкрыть оригинал«内容效果分析(v25.0合并content-closed-loop),计算播放/完播/互动/转化指标,生成S/A/B/C评级和优化建议+6步…»

内容效果分析(v25.0合并content-closed-loop),计算播放/完播/互动/转化指标,生成S/A/B/C评级和优化建议+6步闭环(publish→recommend→feedback→analyze→optimize→learn)。触发词:内容分析/播放数据/完播率/互动统计/内容评级/闭环/CP-07 不触发:内容发布/内容模板/趋势发现

ClawHub Agent Skills автор: 天轰穿 v1.0.2 MIT-0 10 файлов тело ≈ 1 183 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ эффективности контента (v25.0 объединено с content-closed-loop), расчет показателей воспроизведения/полного воспроизведения/взаимодействия/конверсии…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 10. 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 "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1183 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
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 179 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
The skill is mostly coherent with content analytics, but it also has broad database-write, cross-tenant sync, external tool, and persistent learning behavior that should be reviewed before installation.
LLM: suspicious (high) · 15 авг. 2026 г.