SKILLEMALL.ai

AC competitor-ad-intelligence

Собирает рекламные объявления конкурентов из библиотек рекламы Meta, TikTok, Google и LinkedIn, анализирует паттерны креативов (хуки, форматы, призывы к действию), реверс-инжинирингом воронки целевых страниц и создает стратегический разбор с анализом уязвимостей и рекомендациями по контрмерам. Используйте, когда вам нужно понять конкурентную рекламную среду, найти новые креативные направления или выявить слабые стороны в платной стратегии конкурента.

машинный переводПоказать оригиналСкрыть оригинал«Scrape competitor ads from Meta, TikTok, Google, and LinkedIn ad libra…»

Scrape competitor ads from Meta, TikTok, Google, and LinkedIn ad libraries, analyze creative patterns (hooks, formats, CTAs), reverse-engineer landing page funnels, and produce a strategic teardown with vulnerability analysis and counter-play recommendations. Use when you need to understand the competitive ad landscape, find new creative directions, or identify weaknesses in a competitor's paid strategy.

gooseworks-ai/goose-skills Agent Skills автор: gooseworks-ai 2 файла тело ≈ 4 308 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Собирает рекламные объявления конкурентов из библиотек рекламы Meta, TikTok, Google и LinkedIn, анализирует паттерны креативов (хуки, форматы, призывы к…

Как процесс C 63/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: goose-skills

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: 2. 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 63/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Стоимость исполнения. Тело инструкции 4308 токенов
    • 100Шаги. Шагов: 63
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 407 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 63 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.