SKILLEMALL.ai

AC xiaohongshu-note-acquire

Инструмент для получения постов и заметок на Xiaohongshu. Получает данные постов Xiaohongshu по ключевым словам, поддерживает сортировку по лайкам, комментариям, сбору, фильтрацию по диапазону дат, до 10 000 заметок за раз, результаты отображаются в виде структурированных данных. Используется, когда пользователь хочет получить посты Xiaohongshu, найти популярный контент Xiaohongshu, найти сохраненные заметки XHS, извлечь комментарии и заметки RedNote, найти популярные посты Xiaohongshu. Триггерные слова: получить Xiaohongshu, посты Xiaohongshu, популярные посты Xiaohongshu, поиск Xiaohongshu, популярное Xiaohongshu, запрос заметок Xiaohongshu, высокие лайки Xiaohongshu, сохранено Xiaohongshu, комментарии Xiaohongshu.

машинный переводПоказать оригиналСкрыть оригинал«小红书作品笔记获取工具。根据关键词获取小红书作品数据,支持按最多点赞、最多评论、最多收藏排序,支持按日期范围筛选,支持单次最多1w条笔记,结…»

小红书作品笔记获取工具。根据关键词获取小红书作品数据,支持按最多点赞、最多评论、最多收藏排序,支持按日期范围筛选,支持单次最多1w条笔记,结果以结构化数据展示。当用户需要获取小红书作品、查询小红书高赞内容、搜索xhs收藏笔记、爬取rednote评论笔记、搜索小红书爆款笔记时使用。触发词:小红书获取、小红书作品、小红书爆款、小红书搜索、小红书热门、小红书笔记查询、小红书高赞、小红书收藏、小红书评论。

ClawHub Agent Skills автор: why20261 v0.1.0 MIT-0 26 файлов тело ≈ 2 271 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Инструмент для получения постов и заметок на Xiaohongshu.

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
A
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: 26. 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 2271 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 200 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: suspicious
The skill appears to retrieve public Xiaohongshu data as advertised, but it automatically saves complete results to a predictable temporary log directory without clear privacy, retention, or opt-out controls.
LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.