SKILLEMALL.ai

BC xiaohongshu-account-teardown

Получайте реальные данные из первых рук из Xiaohongshu, реверсивно анализируйте аккаунты платформы Xiaohongshu, на основе данных взаимодействия и данных публикаций аккаунта создавайте воспроизводимое руководство по эксплуатации. Используйте, когда пользователь запрашивает «разобрать аккаунт», «проанализировать аккаунт конкурента», «посмотреть, почему аккаунт XX популярен», «воспроизвести стиль этого аккаунта», «собрать данные аккаунта Xiaohongshu», «проанализировать аккаунт конкурента», «данные аккаунта конкурента», «диагностика аккаунта». Вывод: структурированные данные + показатели взаимодействия + анализ формата + определение разрыва. Поддерживает четыре основные возможности: (1) Поиск заметок/видео по ключевым словам с возможностью фильтрации и сортировки по количеству лайков, комментариев, сохранений, времени публикации, типу контента; (2) Сбор публикаций блогера по ссылке на главную страницу для получения данных взаимодействия (количество подписчиков, лайков или сохранений и т. д.) или списка общедоступных публикаций; (3) Детали заметок (видео) для получения данных деталей и данных взаимодействия, анализа рыночной эффективности заметок; (4) Анализ комментариев к заметкам для получения контента комментариев и данных взаимодействия по ссылке на заметку. Вызывайте, когда пользователь упоминает Xiaohongshu/xhs/rednote и нуждается в проверке данных, исследовании рынка, мониторинге общественного мнения, создании тем, мониторинге конкурентов, отборе KOL, анализе общественного мнения; вход в аккаунт не требуется.

машинный переводПоказать оригиналСкрыть оригинал«获取小红书真实一手数据,逆向拆解小红书平台账号,根据账号互动数据及账号作品数据,产出可复刻的运营手册。当用户提出「拆解某账号」「分析对标号」…»

获取小红书真实一手数据,逆向拆解小红书平台账号,根据账号互动数据及账号作品数据,产出可复刻的运营手册。当用户提出「拆解某账号」「分析对标号」「看看XX号为什么火」「复刻这个账号的风格」「抓取小红书账号数据」「竞品账号分析」「对标账号数据」「账号诊断」等需求时使用。产出结构化数据 + 互动指标 + 形态拆解 + 差距定位。支持四大能力:(1) 关键词搜索笔记/视频,可按点赞数、评论数、收藏数、发布时间、内容类型筛选排序;(2) 博主作品抓取,按主页链接获取博主的互动数据(粉丝量、点赞量或收藏量等)或公开作品列表;(3) 笔记(视频)详情,获取详情数据及互动数据等,分析笔记的市场表现;(4) 笔记评论分析,按笔记链接获取评论内容与互动数据。用户提到小红书/xhs/rednote 且需要查数据、市场调研、舆情监测、做选题、竞品监控、KOL筛选、舆情分析时调用;无需登录账号

ClawHub Agent Skills автор: why20261 v1.1.4 MIT-0 25 файлов · 18 скриптов тело ≈ 2 259 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Получайте реальные данные из первых рук из Xiaohongshu, реверсивно анализируйте аккаунты платформы Xiaohongshu, на основе данных взаимодействия и данных…

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

ПроцедураИИ и агентыТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
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: 25. 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 "homepage"

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: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2259 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

  • +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
  • -229 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 388 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a coherent Xiaohongshu public-data analysis tool that uses a disclosed third-party API token and writes local result logs, with no evidence of hidden execution, exfiltration, or destructive behavior.
LLM: benign (high) · VirusTotal: · 30 сент. 2026 г.