SKILLEMALL.ai

BB facebook-ads-placement-location-and-device-breakdown

Используйте для «сливает ли Audience Network мои деньги», «следует ли мне отключить автоматические плейсменты», «как Reels работают по сравнению с Feed», «какие страны работают в Meta», «что конвертируется лучше: мобильные или десктопные устройства», «в какое время суток мне следует запускать рекламу» или «куда на самом деле уходит мой бюджет» — даже если пользователь никогда не говорит «плейсмент». Охватывает, где и когда показывается реклама, и сколько это стоит. Только Meta / Facebook Ads.

машинный переводПоказать оригиналСкрыть оригинал«Use for "is Audience Network wasting my money", "should I turn off aut…»

Use for "is Audience Network wasting my money", "should I turn off automatic placements", "how are Reels doing versus Feed", "which countries are working on Meta", "is mobile or desktop converting", "what time of day should I be running", or "where is my budget actually going" — even when the user never says "placement". Covers where and when the ads are shown, and what each of those is worth. Meta / Facebook Ads only.

coupler-io/skills Agent Skills автор: coupler-io 1 файл тело ≈ 2 912 токенов Открыть источникgithub.com↗ проанализирован 7 дн назад

Используйте для «сливает ли Audience Network мои деньги», «следует ли мне отключить автоматические плейсменты», «как Reels работают по сравнению с Feed»…

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, ошибки и развилки, отчётность по ходу

ПроцедураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2912 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • 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

    • +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
    • +5В description 8 примера фраз-триггеров в кавычках
    • +3Длина description 422 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 20 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.