SKILLEMALL.ai

AC launch-sentiment-sweep

Однократный обзор реакций Reddit и X (ранее Twitter) на запуск продукта, объявление, релиз или новостное событие за определенный период времени, с выводом объема, репрезентативных цитат, тем и заметных аккаунтов. Используйте всякий раз, когда пользователь спрашивает, как люди реагируют, каково настроение или восприятие, удался ли запуск, или что Reddit или X говорят о чем-то, что только что произошло, даже если они никогда не говорят «настроение» или не называют платформу. Для постоянного, повторяющегося освещения бренда или темы с течением времени используйте вместо этого reddit-monitoring.

машинный переводПоказать оригиналСкрыть оригинал«One-shot sweep of Reddit and X (formerly Twitter) reactions to a produ…»

One-shot sweep of Reddit and X (formerly Twitter) reactions to a product launch, announcement, release, or news moment in a time window, read out as volume, representative quotes, themes, and notable accounts. Use whenever the user asks how people are reacting, what the sentiment or reception is, whether a launch landed, or what Reddit or X is saying about something that just happened, even if they never say "sentiment" or name a platform. For ongoing, repeated coverage of a brand or topic over time, use reddit-monitoring instead.

ClawHub Agent Skills автор: Veezee v1.0.0 MIT-0 2 файла тело ≈ 1 632 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Однократный обзор реакций Reddit и X (ранее Twitter) на запуск продукта, объявление, релиз или новостное событие за определенный период времени, с выводом…

Как процесс C 58/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

ПроцедураИнфраструктураМаркетингДанные 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
58/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 2. 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 58/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (launch-sentiment-sweep) не совпадает с папкой (veezee-launch-sentiment-sweep)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 14
    • 100Стоимость исполнения. Тело инструкции 1632 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 536 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This is a disclosed one-shot Reddit/X launch-reaction research skill that uses Veezee, with expected third-party API use and limited key storage.
    LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.