SKILLEMALL.ai

AD wechat-cover

Инструмент AI-дизайна для создания популярных обложек для WeChat. Основан на ежедневных данных более 100 000 статей со всей сети, извлекает визуальные элементы популярных обложек в той же нише, анализирует и обобщает закономерности визуального оформления с высокой конверсией с помощью AI, генерирует дизайн обложки, соответствующий содержанию статьи и эстетике платформы для привлечения трафика. Используйте при создании обложек для WeChat, генерации схем обложек, поиске закономерностей популярных обложек. Триггерные слова: обложка WeChat, дизайн обложки, популярная обложка, схема обложки, генерация изображения обложки.

машинный переводПоказать оригиналСкрыть оригинал«公众号爆款封面AI设计工具。基于全网每日收录的10w+文章数据,获取同赛道爆款封面视觉元素,通过AI分析总结高转化视觉规律,生成贴合文章内容…»

公众号爆款封面AI设计工具。基于全网每日收录的10w+文章数据,获取同赛道爆款封面视觉元素,通过AI分析总结高转化视觉规律,生成贴合文章内容、符合平台流量审美的封面设计方案。当用户设计公众号封面、生成封面方案、查询爆款封面规律时使用。触发词:公众号封面、封面设计、爆款封面、封面方案、封面生图。

ClawHub Agent Skills автор: to the moon v1.0.3 MIT-0 7 файлов тело ≈ 815 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент AI-дизайна для создания популярных обложек для WeChat.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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 41/100

  • 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 (wechat-cover) не совпадает с папкой (explosive-cover-generator-gzh)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 23
  • 100Стоимость исполнения. Тело инструкции 815 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 147 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill does what it claims: it uses a RedFox API key and user-provided cover keywords to fetch WeChat cover trend data and generate a local analysis report.
LLM: benign (high) · VirusTotal: · 3 июн. 2026 г.