SKILLEMALL.ai

BC twitter-watch-reply

Мониторинг новых твитов указанных аккаунтов с использованием интерфейса 6551 Twitter/X и создание черновиков ответов ИИ на основе содержимого твитов; в полуавтоматическом режиме сначала предоставляются варианты ответов, а после подтверждения пользователем автоматически отправляются через вошедший в систему браузер. Используется для: мониторинга определенных аккаунтов, обнаружения их новых твитов, создания комментариев, ответов после ручного подтверждения, предотвращения повторных ответов, управления файлами отслеживания и состояния. Требуется переменная среды TWITTER_TOKEN для доступа к интерфейсу 6551. По умолчанию данные записываются в data/twitter-watch-reply в рабочей области; путь можно переопределить с помощью OPENCLAW_WORKSPACE или TWITTER_WATCH_REPLY_DATA_DIR.

машинный переводПоказать оригиналСкрыть оригинал«使用 6551 Twitter/X 接口监控指定账号的新推文,并基于推文内容生成 AI 回复草稿;在半自动模式下,先给出候选回复,待用户确认…»

使用 6551 Twitter/X 接口监控指定账号的新推文,并基于推文内容生成 AI 回复草稿;在半自动模式下,先给出候选回复,待用户确认后再通过已登录的浏览器自动回复。用于:监控某些账号、发现其新推、生成评论、人工确认后回复、避免重复回复、管理 watchlist 和状态文件。依赖环境变量 TWITTER_TOKEN 访问 6551 接口。默认把数据写到 workspace 下的 data/twitter-watch-reply;也可用 OPENCLAW_WORKSPACE 或 TWITTER_WATCH_REPLY_DATA_DIR 覆盖路径。

ClawHub Agent Skills автор: 0xJJbone v0.1.2 MIT-0 15 файлов · 1 скрипт тело ≈ 1 287 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Мониторинг новых твитов указанных аккаунтов с использованием интерфейса 6551 Twitter/X и создание черновиков ответов ИИ на основе содержимого твитов; в…

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

ПроцедураTelegramРазработкаИИ и агентытип 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: 15. 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: 81
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1287 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • -31 из 9 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 278 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 81 пунктов
  • +4Есть примеры (12 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 is a disclosed semi-automatic Twitter/X monitoring and reply-drafting helper with expected token use, local state files, and optional outbound notifications that are disabled by default.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.