SKILLEMALL.ai

AD xiaohongshu-yunying-zhushou

Универсальный инструмент для работы с Xiaohongshu, объединяющий модули для поиска идей и анализа данных. Поддерживает создание вирусных заголовков, поиск актуальных тем, анализ подписчиков и другие сценарии получения данных для работы с Xiaohongshu. Вызывается, когда пользователь упоминает Xiaohongshu/xhs/rednote и нуждается в проверке данных, создании тем, мониторинге конкурентов, подборе KOL или анализе общественного мнения в комментариях. Достаточно предоставить ключевые слова или ссылку, вход в аккаунт не требуется.

машинный переводПоказать оригиналСкрыть оригинал«一站式小红书运营工具,融合选题灵感、数据分析模块。支持爆款标题、热点选题、粉丝分析等,覆盖小红书运营数据获取场景。用户提到小红书/xhs/r…»

一站式小红书运营工具,融合选题灵感、数据分析模块。支持爆款标题、热点选题、粉丝分析等,覆盖小红书运营数据获取场景。用户提到小红书/xhs/rednote 且需要查数据、做选题、竞品监控、KOL筛选、评论舆情分析时调用;给关键词或链接即可,无需登录账号

ClawHub Agent Skills автор: why20261 v1.1.4 MIT-0 25 файлов тело ≈ 2 272 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Универсальный инструмент для работы с Xiaohongshu, объединяющий модули для поиска идей и анализа данных.

Как процесс D 49/100 · Процесс не доведён — 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
D
49/100
Процесс не доведён
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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (xiaohongshu-yunying-zhushou) не совпадает с папкой (xiaohongshu-openclaw-skill-master)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 40
  • 100Стоимость исполнения. Тело инструкции 2272 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 125 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 coherently fetches public Xiaohongshu data through a disclosed third-party API and does not show hidden, destructive, or deceptive behavior.
LLM: benign (high) · VirusTotal: · 17 сент. 2026 г.