SKILLEMALL.ai

AC xhs-content

Создает контент в стиле Xiaohongshu для китайских социальных постов, ориентированных на 职场成长 (рост на рабочем месте), 副业探索 (исследование подработок), AI工具应用 (применение ИИ-инструментов). Используйте, когда пользователь предоставляет популярный пост, тему, ракурс, заметки или черновик и хочет: (1) 爆款逻辑拆解 (разбор логики вирусного контента), (2) 小红书标题与正文改写 (переписывание заголовков и основного текста для Xiaohongshu), (3) 话题标签 (хештеги), (4) 配图建议 (предложения по изображениям) или (5) несколько вариантов поста для A/B-тестирования.

машинный переводПоказать оригиналСкрыть оригинал«Generate Xiaohongshu-style content for Chinese social posts focused on…»

Generate Xiaohongshu-style content for Chinese social posts focused on 职场成长、副业探索、AI工具应用. Use when the user provides a hot post, topic, angle, notes, or rough draft and wants: (1) 爆款逻辑拆解, (2) 小红书标题与正文改写, (3) 话题标签, (4) 配图建议, or (5) multiple post variants for A/B testing.

ClawHub Agent Skills автор: ClawMaster v1.0.0 MIT-0 11 файлов тело ≈ 204 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создает контент в стиле Xiaohongshu для китайских социальных постов, ориентированных на 职场成长 (рост на рабочем месте), 副业探索 (исследование подработок), AI工具应用…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторИнфраструктуратип 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
59/100
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

    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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Generate Xiaohongshu-style content for Chinese social posts focuse… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 59/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 24
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 204 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 269 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

    Внешние проверки

    ClawHub: clean
    This is a focused Xiaohongshu writing helper with no evidence of credential access, command execution, persistence, or hidden data handling.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.