BD tiktok-video-search
Инструмент для поиска популярных видео в TikTok. Позволяет получать актуальные данные о самых популярных видео в TikTok по ключевым словам, помогая авторам находить популярные тренды и получать идеи для творчества. Предоставляет 3 возможности: ① Поиск по ключевым словам (с возможностью сортировки по лайкам/релевантности, фильтрации по дате публикации). ② Получение работ блогера: массовое получение списка общедоступных работ по ссылке на главную страницу или имени пользователя, с возможностью сортировки по новизне/популярности. ③ Сбор комментариев к видео: получение содержания комментариев, данных об авторах и взаимодействиях по ссылке на видео или ID работы, с выводом в структурированном JSON (включая автора, данные о взаимодействиях, теги, ссылки). Использовать, когда пользователю нужно искать видео в TikTok, собирать работы блогеров, просматривать комментарии в TikTok, отслеживать конкурентов/аналогичные аккаунты, исследовать темы для коротких видео, анализировать мнения в комментариях, отслеживать горячие тренды, находить вирусные видео.
машинный переводПоказать оригиналСкрыть оригинал«TikTok高赞视频搜索工具。支持关键词获取TikTok实时高赞视频数据，助力创作者发现热门趋势、获取创作灵感。提供3个能力①关键词搜索（可…»
TikTok高赞视频搜索工具。支持关键词获取TikTok实时高赞视频数据，助力创作者发现热门趋势、获取创作灵感。提供3个能力①关键词搜索（可按点赞/相关度排序、发布时间筛选）②博主作品获取，按主页链接或用户名批量获取公开作品列表，支持最新/最热排序 ③视频评论抓取，按视频链接或作品 ID 获取评论内容、评论者与互动数据，输出结构化 JSON（含作者、互动数据、标签、链接）。当用户需要搜TikTok视频、抓博主作品、看TikTok评论、做竞品/对标账号监控、短视频选题调研、评论舆情分析、热点追踪、爆款挖掘时使用。
Инструмент для поиска популярных видео в TikTok.
Как процесс D 43/100 · 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: 30. 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 43/100
- 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: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 37
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2067 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
- +2Инструкции на одном языке
- +3Длина description 258 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 37 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.