SKILLEMALL.ai

AB geo-studio

Главный оркестратор контента для гео, который понимает цели пользователя и интеллектуально распределяет задачи между специализированными гео-навыками. Автоматически выбирает нужный рабочий процесс: от стратегии и аудита до создания контента, оптимизации и редактирования человеком. Используйте как точку входа по умолчанию для любой задачи, связанной с гео, включая создание гео-контента, ранжирование в AI-поиске, аудит контента для видимости в AI, построение гео-стратегий, написание статей, цитируемых AI, или когда вы не уверены, какой конкретный гео-навык использовать.

машинный переводПоказать оригиналСкрыть оригинал«Master GEO content orchestrator that understands user goals and intell…»

Master GEO content orchestrator that understands user goals and intelligently routes tasks across specialized GEO skills. Automatically selects the right workflow from strategy and audit to content creation, optimization, and human editing. Use as the default starting point for any GEO-related task including creating GEO content, ranking in AI search, auditing content for AI visibility, building GEO strategies, writing AI-citable articles, or when unsure which specific GEO skill to use.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 1 646 токенов Открыть источникgithub.com проанализирован 2 дн назад

Главный оркестратор контента для гео, который понимает цели пользователя и интеллектуально распределяет задачи между специализированными гео-навыками.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураТексты и документыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
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

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 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 65/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1646 токенов
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
    • medium Тестов 1, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»

    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)
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 491 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.