SKILLEMALL.ai

AC yoooclaw-hotspot-topic-scout

Используйте, когда пользователь хочет быстро отобрать из уведомлений и общесетевых трендов актуальные темы для отслеживания, примеры популярных материалов, динамику конкурентов и потребности аудитории; подходит для создателей контента, главных редакторов, руководителей отделов маркетинга для выполнения таких задач, как «Какие тренды вчера были актуальны для тем?» «Что из вчерашнего можно адаптировать под мой контент?» «Дай мне конкретные идеи для тем». Типичные триггерные фразы: «Помоги мне отобрать вчерашние тренды для тем», «Какие новые тенденции были вчера в отрасли, отсортируй по релевантности», «Посмотри, есть ли в группах и рассылках интересные темы», «Найди мне сегодня материалы, соответствующие моей тематике».

машинный переводПоказать оригиналСкрыть оригинал«当用户希望从消息通知和全网热点中快速筛出值得跟进的热点选题、爆款参考、竞品动态和粉丝需求时使用;适用于内容创作者、主编、运营负责人做"昨天有…»

当用户希望从消息通知和全网热点中快速筛出值得跟进的热点选题、爆款参考、竞品动态和粉丝需求时使用;适用于内容创作者、主编、运营负责人做"昨天有什么值得追""哪些能转成我赛道的内容""给我直接的选题建议"这类任务。典型触发句子:'帮我筛一下昨天有什么热点可以做选题'、'昨天行业里有什么新动向,帮我按相关度排个序'、'看看群里和推送里有没有值得跟的话题'、'按我的内容定位找今天能做的素材'。

ClawHub Agent Skills автор: vivalavida-say-hi v1.0.1 MIT-0 2 файла тело ≈ 806 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Используйте, когда пользователь хочет быстро отобрать из уведомлений и общесетевых трендов актуальные темы для отслеживания, примеры популярных материалов…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 2. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 50
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 806 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 194 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
The skill is coherent for scouting content topics, but it reads broad phone notification and group-chat content and can mix those private signals with web searches without enough scoping or privacy controls.
LLM: suspicious (medium) · 7 авг. 2026 г.