BC ai-content-xiaohongshu
Система ИИ-производства контента для Xiaohongshu. Внедряет полный рабочий процесс: сбор информации, организация материалов, поиск тем, создание статей, генерация изображений для Xiaohongshu, запланированная публикация — все это с помощью ИИ-агента. Ключевые слова: создать контент для Xiaohongshu / писать для Xiaohongshu / писать заметки для Xiaohongshu / создание контента для Xiaohongshu / сбор контента / управление материалами / поиск тем / база тем / создание статей / шаблоны статей / генерация изображений для Xiaohongshu / генерация обложек / запланированная публикация / управление публикацией контента / конвейер контента ИИ / массовое производство контента / распространение контента на нескольких платформах / рабочий процесс контента AIGC / создание контента для WeChat / управление контентом WeChat / рекомендации по темам контента / горячие темы / оценка тем ИИ / управление стилем / управление шаблонами статей / HTML-шаблоны / Markdown статьи.
машинный переводПоказать оригиналСкрыть оригинал«小红书内容创作AI生产流水线系统。将信息采集、素材整理、选题挖掘、文章创作、小红书卡图生成、定时发布等完整工作流引入AI Agent。 触发…»
小红书内容创作AI生产流水线系统。将信息采集、素材整理、选题挖掘、文章创作、小红书卡图生成、定时发布等完整工作流引入AI Agent。 触发词：生成小红书内容/创作小红书/写小红书笔记/小红书创作/内容采集/素材管理/选题挖掘/选题库/文章创作/文章模板/小红书卡图/封面图生成/定时发布/内容发布管理/AI内容流水线/批量内容生产/多平台内容分发/AIGC内容工作流/公众号内容创作/微信内容运营/内容选题推荐/热点选题/AI选题评分/风格管理/文章模板管理/HTML模板/Markdown文章
Система ИИ-производства контента для Xiaohongshu.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
низкая Утечка данных
read-dotenvSKILL.md:58Чтение файла .envcp backend/.env.example backend/.env
-
низкая Утечка данных
read-dotenvSKILL.md:59Чтение файла .envcp frontend/.env.example frontend/.env.local
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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: 29
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 578 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
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 248 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 29 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.