SKILLEMALL.ai
GitHub ↗ EN Войти

CD marketing-demand-acquisition

Многоканальное привлечение спроса, оптимизация платной рекламы, SEO-стратегия и партнерские программы для стартапов Series A+. Включает калькулятор CAC, руководства по каналам, интеграцию с HubSpot и тактики международного расширения. Используйте при планировании кампаний по привлечению спроса, оптимизации платной рекламы, разработке SEO-стратегий, налаживании партнерских отношений, а также когда пользователь упоминает привлечение спроса, платную рекламу, рекламу в LinkedIn, рекламу в Google, CAC, привлечение клиентов, генерацию лидов или генерацию пайплайна.

машинный переводПоказать оригиналСкрыть оригинал«Multi-channel demand generation, paid media optimization, SEO strategy…»

Multi-channel demand generation, paid media optimization, SEO strategy, and partnership programs for Series A+ startups. Includes CAC calculator, channel playbooks, HubSpot integration, and international expansion tactics. Use when planning demand generation campaigns, optimizing paid media, building SEO strategies, establishing partnerships, or when user mentions demand gen, paid ads, LinkedIn ads, Google ads, CAC, acquisition, lead generation, or pipeline generation.

davila7/claude-code-templates Agent Skills автор: davila7 MIT 2 файла · 1 скрипт тело ≈ 8 126 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Многоканальное привлечение спроса, оптимизация платной рекламы, SEO-стратегия и партнерские программы для стартапов Series A+.

Как процесс D 38/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторHubSpotМаркетингПродажи и CRMтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
38/100
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: RA-Skills

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:87
    Строка, похожая на токен (может быть id, хеш или секрет)
    Campaign Name: [Q2-2…ise]
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:113
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    - Name: `Q2-2…ise`
    в кавычках

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8126 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 38/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8126 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 330, расплывчатых формулировок: 2
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 13. 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
  • -227 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 473 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 52 заголовков
  • +3Пошаговые инструкции: 330 пунктов
  • +4Есть примеры (18 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.