BC xiaohongshu-creator-match
Фильтруйте инфлюенсеров Xiaohongshu по ключевым словам, лайкам, комментариям, избранному, категориям и рынкам, сочетая данные об их взаимодействии, эффективности публикаций и продажах, чтобы определить приоритет сотрудничества и найти кандидатов, действительно соответствующих категории, аудитории и целям. Используйте, когда пользователь спрашивает о подборе инфлюенсеров, фильтрации инфлюенсеров или кандидатах для сотрудничества. Поддерживает четыре основные функции: (1) поиск постов/видео по ключевым словам с возможностью фильтрации и сортировки по количеству лайков, комментариев, избранному, времени публикации, типу контента; (2) сбор работ блогера по ссылке на его профиль для получения данных о взаимодействии (количество подписчиков, лайков или избранного и т. д.) или списка общедоступных работ; (3) детализация постов (видео) для получения данных о деталях и взаимодействии, анализ рыночной эффективности постов; (4) анализ комментариев к постам по ссылке на пост для получения контента комментариев и данных о взаимодействии. Вызывайте, когда пользователь упоминает Xiaohongshu/xhs/rednote и нуждается в проверке данных, исследовании рынка, подготовке тем, мониторинге конкурентов, подборе KOL, анализе общественного мнения; вход в аккаунт не требуется.
машинный переводПоказать оригиналСкрыть оригинал«按关键词、点赞、评论、收藏、类目和市场筛选小红书带货达人，结合达人互动数据、作品表现数据和带货效果给出合作优先级，找到真正和品类、受众及目标…»
按关键词、点赞、评论、收藏、类目和市场筛选小红书带货达人，结合达人互动数据、作品表现数据和带货效果给出合作优先级，找到真正和品类、受众及目标匹配的小红书达人候选。当用户询问达人匹配、达人筛选或合作候选时使用。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、做选题、竞品监控、KOL筛选、舆情分析时调用；无需登录账号
Фильтруйте инфлюенсеров Xiaohongshu по ключевым словам, лайкам, комментариям, избранному, категориям и рынкам, сочетая данные об их взаимодействии…
Как процесс C 53/100 · Есть пробелы — 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: 25. 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") - заметка
frontmatter-keyнеизвестное 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: 41
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2285 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 326 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 41 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.