SKILLEMALL.ai
GitHub ↗ EN Войти

AF deso-research

Исследует и анализирует контент в децентрализованных социальных сетях (Farcaster, Lens, Nostr, Bluesky) с помощью инструмента CLI deso-ag. Используйте этот навык, когда пользователи хотят исследовать темы в децентрализованных социальных платформах, анализировать популярный контент, извлекать термины обсуждений, просматривать каналы Farcaster или сравнивать вовлеченность в разных сетях. Активируется по фразам вроде «research X on Farcaster», «what's trending on Lens», «analyze [topic] across deso networks», «search deso for [topic]», «extract trending terms», «browse Farcaster channels», «what are people saying about X on Farcaster/Lens/Nostr/Bluesky» или любому запросу о контенте децентрализованных социальных сетей. Обязательно используйте этот навык для любых задач исследования децентрализованных социальных сетей, даже если пользователь просто говорит «check Farcaster» или «look up [topic] on Lens».

машинный переводПоказать оригиналСкрыть оригинал«Research and analyze content across decentralized social networks (Far…»

Research and analyze content across decentralized social networks (Farcaster, Lens, Nostr, Bluesky) using the deso-ag CLI tool. Use this skill when users want to research topics on decentralized social platforms, analyze trending content, extract discussion terms, browse Farcaster channels, or compare engagement across networks. Trigger on phrases like "research X on Farcaster", "what's trending on Lens", "analyze [topic] across deso networks", "search deso for [topic]", "extract trending terms", "browse Farcaster channels", "what are people saying about X on Farcaster/Lens/Nostr/Bluesky", or any query about decentralized social media content. Make sure to use this skill for any decentralized social research tasks, even if the user just says "check Farcaster" or "look up [topic] on Lens".

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 1 936 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Исследует и анализирует контент в децентрализованных социальных сетях (Farcaster, Lens, Nostr, Bluesky) с помощью инструмента CLI deso-ag.

Как процесс F 68/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/command-reference.md

АнализаторМаркетингИИ и агентыТексты и документытип 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
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
F
68/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/command-reference.md
Инструменты и файлы вес 18
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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

  • предупреждение missing-ref ссылка на отсутствующий файл: references/command-reference.md

Процессный рейтинг: все десять параметров 68/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/command-reference.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/command-reference.md
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 9
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1936 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 9 примера фраз-триггеров в кавычках
  • +3Длина description 799 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.