SKILLEMALL.ai
GitHub ↗ EN Войти

BC adaptlypost

Планируйте и управляйте публикациями в социальных сетях через Instagram, X (Twitter), Bluesky, TikTok, Threads, LinkedIn, Facebook, Pinterest и YouTube с помощью API AdaptlyPost. Используйте, когда пользователь хочет запланировать публикации в социальных сетях, управлять контентом для социальных сетей, загружать медиафайлы для публикаций, просматривать список подключенных учетных записей социальных сетей, проверять статус публикаций, публиковать контент на нескольких платформах или автоматизировать рабочий процесс в социальных сетях. AdaptlyPost — это SaaS-инструмент, не требующий самостоятельного хостинга.

машинный переводПоказать оригиналСкрыть оригинал«Schedule and manage social media posts across Instagram, X (Twitter),…»

Schedule and manage social media posts across Instagram, X (Twitter), Bluesky, TikTok, Threads, LinkedIn, Facebook, Pinterest, and YouTube using the AdaptlyPost API. Use when the user wants to schedule social media posts, manage social media content, upload media for social posting, list connected social accounts, check post status, cross-post content to multiple platforms, or automate their social media workflow. AdaptlyPost is a SaaS tool — no self-hosting required.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 3 180 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Планируйте и управляйте публикациями в социальных сетях через Instagram, X (Twitter), Bluesky, TikTok, Threads, LinkedIn, Facebook, Pinterest и YouTube с…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураYouTubeМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
84
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • средняя Утечка данных net-credential-use SKILL.md:29
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s -H "Authorization: Bearer $ADAPTLYPOST_API_KEY" \
    • средняя Утечка данных net-credential-use SKILL.md:136
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s -H "Authorization: Bearer $ADAPTLYPOST_API_KEY" \
    • средняя Утечка данных net-credential-use SKILL.md:145
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s -H "Authorization: Bearer $ADAPTLYPOST_API_KEY" \
    • низкая Секреты в коде secret-high-entropy-token references/api-reference.md:136
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      "userId": "user…XDS",
      в кавычках

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3180 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 472 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (13 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 2)

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