SKILLEMALL.ai

BC 1-click-woa

Публикация черновиков статей в WeChat Official Account одним кликом. Пользователь предоставляет контент статьи (Markdown), автоматически выполняется получение токена → загрузка изображений → построение черновика → полный процесс публикации. Поддерживает API черновиков WeChat, автоматически обрабатывает проблемы с кодировкой китайского языка, предоставляет решение для отката на HTML в случае сбоя публикации. Триггерные фразы: «опубликовать в WeChat Official Account», «отправить черновик», «отправить в WeChat Official Account».

машинный переводПоказать оригиналСкрыть оригинал«一键发布微信公众号草稿箱文章。用户提供文章内容(Markdown),自动完成 token 获取 → 图片上传 → 草稿构建 → 发布全流程。…»

一键发布微信公众号草稿箱文章。用户提供文章内容(Markdown),自动完成 token 获取 → 图片上传 → 草稿构建 → 发布全流程。支持微信草稿箱 API,自动处理中文编码问题,发布失败时提供 HTML fallback 方案。触发词:「发布公众号」「发草稿」「发微信公众号」。

ClawHub Agent Skills автор: yanbo00701 v1.0.0 MIT-0 7 файлов тело ≈ 386 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Публикация черновиков статей в WeChat Official Account одним кликом.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 7. 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")

Процессный рейтинг: все десять параметров 58/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 386 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
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 143 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This skill does what it claims: it uses user-provided WeChat credentials, article text, and images to create WeChat Official Account drafts, with a disclosed local HTML fallback.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.