BC xiaohongshu-data-research
Помощник по интеллектуальным данным Xiaohongshu. Инструмент для получения данных для создателей контента, предоставляющий пакетное получение данных в реальном времени, таких как поиск Xiaohongshu, получение контента, данные о комментариях в реальном времени, для последующего исследования контента, анализа тем, болевых точек пользователей, анализа данных, исследования рынка, мониторинга конкурирующих аккаунтов, анализа общественного мнения, роста Xiaohongshu и т. д. Поддерживает четыре основные функции: (1) Поиск заметок/видео по ключевым словам, с возможностью фильтрации и сортировки по количеству лайков, комментариев, сохранений, времени публикации, типу контента; (2) Получение контента блогеров, получение данных об их взаимодействии (количество подписчиков, лайков или сохранений и т. д.) или списка публичных работ по ссылке на профиль; (3) Детали заметок (видео), получение данных о деталях и данных о взаимодействии и т. д. для анализа рыночной производительности заметок; (4) Анализ комментариев к заметкам, получение содержания комментариев и данных о взаимодействии по ссылке на заметку. Вызывается, когда пользователь упоминает Xiaohongshu/xhs/rednote и нуждается в проверке данных, исследовании рынка, мониторинге общественного мнения, подготовке тем, мониторинге конкурентов, отборе KOL, анализе общественного мнения; не требует входа в аккаунт.
машинный переводПоказать оригиналСкрыть оригинал«小红书数据智能助手。自媒体从业者的数据获取工具，提供小红书搜索、作品获取、实时评论数据等实时数据的批量获取，为后续的内容研究、选题分析、用户…»
小红书数据智能助手。自媒体从业者的数据获取工具，提供小红书搜索、作品获取、实时评论数据等实时数据的批量获取，为后续的内容研究、选题分析、用户痛点、数据分析、市场调研、对标账号监控、舆情分析、小红书增长等场景提供真实可靠的数据支撑。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
Помощник по интеллектуальным данным Xiaohongshu.
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: 40
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2260 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 342 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.