SKILLEMALL.ai
GitHub ↗ EN Войти

AC aeo-analytics-free

Отслеживайте видимость ИИ — измеряйте, упоминается ли бренд и цитируется ли он ИИ-ассистентами (Gemini, ChatGPT, Perplexity) для целевых запросов. Выполняет сканирование, отслеживает частоту упоминаний/цитирований с течением времени, обнаруживает тенденции и определяет возможности. Использует бесплатный уровень Gemini API (с привязкой к контексту) в качестве основного метода, веб-поиск в качестве резервного. Используйте, когда пользователь хочет: проверить, упоминают ли модели ИИ его бренд, отслеживать изменения цитирования ИИ с течением времени, измерять эффективность контента AEO, отслеживать видимость конкурентов в ИИ или проверять присутствие своего бренда в ответах, сгенерированных ИИ. Сочетается с aeo-prompt-research-free (определяет запросы) и aeo-content-free (создает/обновляет контент). Этот навык замыкает цикл, измеряя результаты.

машинный переводПоказать оригиналСкрыть оригинал«Track AI visibility — measure whether a brand is mentioned and cited b…»

Track AI visibility — measure whether a brand is mentioned and cited by AI assistants (Gemini, ChatGPT, Perplexity) for target prompts. Runs scans, tracks mention/citation rates over time, detects trends, and identifies opportunities. Uses Gemini API free tier (with grounding) as primary method, web search as fallback. Use when a user wants to: check if AI models mention their brand, track AI citation changes over time, measure AEO content effectiveness, monitor competitor AI visibility, or audit their brand's presence in AI-generated answers. Pairs with aeo-prompt-research-free (identifies prompts) and aeo-content-free (creates/refreshes content). This skill closes the loop by measuring results.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 1 455 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Отслеживайте видимость ИИ — измеряйте, упоминается ли бренд и цитируется ли он ИИ-ассистентами (Gemini, ChatGPT, Perplexity) для целевых запросов.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

ПроцедураGitHubИИ и агентыДанные и аналитикатип 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Утечка данных exfil-secret-in-url references/gemini-grounding.md:15
      Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
      curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemi…ent?key=…" \
      заглушка
    • низкая Утечка данных net-credential-use references/gemini-grounding.md:15
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (адрес назначения — известный публичный сервис; документация security-скилла)
      curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemi…ent?key=…" \
      известный сервисsecurity-скилл

    Просканировано файлов: 3. 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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 40
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1455 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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 705 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.