SKILLEMALL.ai

AC wechat-account-audit

Инструмент для диагностики аккаунтов WeChat Official Account и анализа конкурентов. Активируется, когда пользователь говорит «проанализировать мой официальный аккаунт», «диагностика аккаунта», «найти аккаунты конкурентов», «проанализировать профиль пользователя», «анализ позиционирования официального аккаунта», «кто мои читатели». Путем анализа данных Excel из бэкэнда, перекрестного анализа классификации статей, извлечения профиля пользователя, диагностики сравнения «вы думаете против реальности» выдает структурированный отчет, содержащий реальный профиль пользователя, предложения по корректировке контентного направления и критерии отбора аккаунтов конкурентов. Подходит для всех операторов официальных аккаунтов, особенно для аккаунтов на этапе холодного старта или с неопределенным контентным направлением.

машинный переводПоказать оригиналСкрыть оригинал«微信公众号账号诊断与对标分析工具。当用户说"分析我的公众号"、"账号诊断"、"找对标账号"、"分析用户画像"、"公众号定位分析"、"我的读者…»

微信公众号账号诊断与对标分析工具。当用户说"分析我的公众号"、"账号诊断"、"找对标账号"、"分析用户画像"、"公众号定位分析"、"我的读者是谁"时触发。通过解析后台 tendency Excel 数据、文章分类交叉分析、用户画像提取、"你以为 vs 实际上"对比诊断,输出包含真实用户画像、内容方向修正建议、对标账号筛选标准的结构化报告。适用于所有公众号运营者,尤其适合处于冷启动期或内容方向迷茫期的账号。

ClawHub Agent Skills автор: xj797 v1.0.0 MIT-0 6 файлов тело ≈ 792 токенов Открыть источникclawhub.ai проанализирован 31 ч назад

Инструмент для диагностики аккаунтов WeChat Official Account и анализа конкурентов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
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: 6. 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 "agent_created"

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: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 792 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 204 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

Внешние проверки

ClawHub: clean
This is a coherent WeChat account analytics helper, but users should avoid sharing unnecessary private analytics or demographic screenshots.
LLM: benign (high) · VirusTotal: · 4 июн. 2026 г.