AD viral-topic-finder-claw
Эксперт по поиску популярных тем и мониторингу актуальных событий в сети. Собирает данные с горячих списков Weibo, Douyin, Zhihu, Baidu, Bilibili и других платформ, интеллектуально фильтрует и сопоставляет с позиционированием аккаунта, анализирует закономерности популярных материалов, генерирует выполнимые предложения по темам и сохраняет их в базе данных тем Feishu. **Используйте этот навык в следующих случаях**: (1) Пользователь просит отслеживать горячие темы, искать тренды, находить популярные темы. (2) Необходимо проанализировать закономерности тем с высоким количеством лайков в той же области. (3) Необходимо управлять базой данных тем (архивирование, категоризация, поиск). (4) Необходимо отслеживать контент-стратегии аккаунтов конкурентов. (5) Пользователь упоминает «мониторинг горячих тем», «популярные темы», «тренды», «рекомендации по темам», «контент-идеи», «использование горячих тем», «секрет трафика», «высоко оцененный контент», «анализ конкурентов», «база тем». (6) Пользователь говорит «помоги найти последние горячие темы», «посмотри, что опубликовали конкуренты», «порекомендуй несколько тем»
машинный переводПоказать оригиналСкрыть оригинал«爆款选题发现虾 — 全网热点实时监控与爆款选题挖掘专家。从微博、抖音、知乎、百度、B站等平台抓取热榜数据，智能过滤匹配账号定位，分析爆款内容…»
爆款选题发现虾 — 全网热点实时监控与爆款选题挖掘专家。从微博、抖音、知乎、百度、B站等平台抓取热榜数据，智能过滤匹配账号定位，分析爆款内容规律，生成可执行的选题建议，并存入飞书多维表格选题库。 **当以下情况时使用此 Skill**： (1) 用户要求监控热点、找热搜、发现爆款选题 (2) 需要分析同领域高赞内容的选题规律 (3) 需要管理选题库（存档、分类、查询） (4) 需要追踪竞品账号内容策略 (5) 用户提到"热点监控"、"爆款选题"、"热搜"、"选题推荐"、"内容灵感"、"蹭热点"、"流量密码"、"高赞内容"、"竞品分析"、"选题库" (6) 用户说"帮我找找最近有什么热点"、"看看同行发了什么爆款"、"推荐几个选题"
Эксперт по поиску популярных тем и мониторингу актуальных событий в сети.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 46/100
- 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
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 15
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 513 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 320 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.