SKILLEMALL.ai
GitHub ↗ EN Войти

AC xiaohongshu-writing

Помощник по написанию вирусного контента для XiaoHongShu, помогающий создавать заметки с высоким числом кликов, **написанные как человеком**. Включает проверку на "искусственность", 7 формул заголовков, 5 шаблонов вступления, 3 шаблона заключения, SEO-оптимизацию. Используйте, когда пользователь хочет писать контент для XiaoHongShu, генерировать вирусные заголовки или нуждается в помощи с написанием RedNote. Триггеры: "写小红书笔记", "小红书文案", "爆款标题", "种草笔记", "学习日记", "干货分享".

машинный переводПоказать оригиналСкрыть оригинал«小红书爆款内容写作助手，帮助生成高点击率、**像人写**的笔记。包含去AI味检查、7种标题公式、5种开头模板、3种结尾模板、SEO优化。Us…»

小红书爆款内容写作助手，帮助生成高点击率、**像人写**的笔记。包含去AI味检查、7种标题公式、5种开头模板、3种结尾模板、SEO优化。Use when user wants to write XiaoHongShu content, generate viral post titles, or needs help with RedNote writing. Trigger on: 写小红书笔记、小红书文案、爆款标题、种草笔记、学习日记、干货分享。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 1 591 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Помощник по написанию вирусного контента для XiaoHongShu, помогающий создавать заметки с высоким числом кликов, написанные как человеком.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторМаркетингтип 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
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. 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
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 29
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1591 токенов
    • 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -228 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 227 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 54 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +4Есть примеры (28 блоков кода)

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