SKILLEMALL.ai

BC xiaohongshu-user-insight

Навык анализа пользовательских потребностей и продуктовых возможностей Xiaohongshu, применим для разработки новых продуктов на основе общедоступных данных Xiaohongshu, маркетингового планирования, анализа рынка перед выходом в новую категорию; применим для анализа данных и создания структуры от идеи до реализации: идентификация портрета пользователя, выявление эмоциональных мотивов, преобразование инсайтов в возможности, реализация стартапа; поможет быстро понять целевую аудиторию, выявить эмоциональные мотивы, преобразовать инсайты в реализуемые продуктовые возможности. Поддерживает четыре основные возможности: (1) поиск по ключевым словам заметок/видео с сортировкой и фильтрацией по количеству лайков, комментариев, сохранений, дате публикации, типу контента; (2) сбор работ блогеров, получение данных об их взаимодействии (количество подписчиков, лайков или сохранений и т. д.) или списка общедоступных работ по ссылке на профиль; (3) получение подробных данных о заметках (видео) и данных об их взаимодействии для анализа рыночной эффективности заметок; (4) анализ комментариев к заметкам, получение содержания комментариев и данных об их взаимодействии по ссылке на заметку. Вызывается, когда пользователь упоминает Xiaohongshu/xhs/rednote и нуждается в поиске данных, исследовании рынка, мониторинге общественного мнения, подготовке тем, мониторинге конкурентов, отборе KOL, анализе общественного мнения; не требует входа в аккаунт.

машинный переводПоказать оригиналСкрыть оригинал«小红书用户需求洞察与产品机会分析技能,适用于基于小红书公开数据的新产品开发、营销策划、品类切入前的市场分析;适用于基于数据分析的洞察到创业落…»

小红书用户需求洞察与产品机会分析技能,适用于基于小红书公开数据的新产品开发、营销策划、品类切入前的市场分析;适用于基于数据分析的洞察到创业落地框架:用户画像识别、情绪动机挖掘、洞察转机会、创业落地;帮你快速理解目标用户、挖掘情绪动机、把洞察转成可落地的产品机会。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 ≈ 2 278 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Навык анализа пользовательских потребностей и продуктовых возможностей Xiaohongshu, применим для разработки новых продуктов на основе общедоступных 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 2278 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 358 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 disclosed Xiaohongshu public-data lookup tool that uses a paid API token and saves local result logs, with no evidence of hidden execution, account access, or destructive behavior.
LLM: benign (high) · VirusTotal: · 26 сент. 2026 г.