SKILLEMALL.ai

BC xhs-nurture

Skill «Автоматизация аккаунта Xiaohongshu» (многомодельная версия OpenClaw). Используйте, когда пользователь упоминает "автоматизация аккаунта Xiaohongshu", "автоматическое взаимодействие", "лайк", "добавление в избранное", "подписка", "комментарии для привлечения трафика", "повышение активности аккаунта", "задачи взаимодействия", "плановое ведение аккаунта", "управление несколькими аккаунтами". Суть: имитация поведения реального пользователя при просмотре и взаимодействии в рамках активной сессии пользователя, выполнение действий: лайк, добавление в избранное, подписка, комментирование в соответствии с настроенной скоростью, случайными интервалами, фильтрами и дневными лимитами. Только операции с DOM браузера, без использования headless-браузера, инструментов MCP или обратных вызовов API.

машинный переводПоказать оригиналСкрыть оригинал«小红书自动化养号互动 Skill(OpenClaw 多模型版)。 当用户提到小红书养号、自动互动、点赞、收藏、关注、评论引流、 账号活跃度提…»

小红书自动化养号互动 Skill(OpenClaw 多模型版)。 当用户提到小红书养号、自动互动、点赞、收藏、关注、评论引流、 账号活跃度提升、互动任务、定时养号、多账号管理时必须使用。 核心:在用户已登录会话内模拟真人浏览与互动行为,按配置的速率、 抖动、过滤器与每日上限执行点赞/收藏/关注/评论四类动作。 纯浏览器 DOM 操作,不使用 Headless 浏览器、MCP工具或API逆向调用。

ClawHub Agent Skills автор: yujietech v1.1.2 MIT-0 20 файлов тело ≈ 1 084 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Skill «Автоматизация аккаунта Xiaohongshu» (многомодельная версия OpenClaw).

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 20. 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 51/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (xhs-nurture) не совпадает с папкой (ops-comment)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 66
  • 100Стоимость исполнения. Тело инструкции 1084 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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 199 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 66 пунктов
  • +4Справочные файлы упоминаются в инструкциях (7 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This skill is an openly automated Xiaohongshu engagement tool, but it combines real account actions with anti-detection behavior, scheduling, multi-account support, and persistent local tracking.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.