SKILLEMALL.ai
GitHub ↗ EN Войти

BD dongchedi-work-search

Инструмент поиска контента на Dongchedi по ключевым словам. На основе данных RedFox ищет контент на Dongchedi по ключевым словам и возвращает заголовок, автора, количество просмотров, лайков, комментариев, дату публикации и полную ссылку на контент. Используется, когда пользователь запрашивает «поиск на Dongchedi», «контент на Dongchedi по ключевым словам», «поиск контента по определенной серии/бренду автомобилей на Dongchedi», «поиск видео на Dongchedi», «поиск изображений и текста на Dongchedi».

машинный переводПоказать оригиналСкрыть оригинал«懂车帝作品关键词搜索工具。基于红狐数据，按关键词搜索懂车帝作品，返回标题、作者、播放、点赞、评论、发布时间和完整作品链接。适用于用户要求“懂…»

懂车帝作品关键词搜索工具。基于红狐数据，按关键词搜索懂车帝作品，返回标题、作者、播放、点赞、评论、发布时间和完整作品链接。适用于用户要求“懂车帝搜索”“懂车帝关键词作品”“搜索某车系/品牌在懂车帝的内容”“懂车帝视频搜索”“懂车帝图文搜索”时使用。

redfox-data/redfox-community Agent Skills автор: redfox-data 6 файлов · 1 скрипт тело ≈ 557 токенов Открыть источникgithub.com↗ проанализирован 13 дн назад

Инструмент поиска контента на Dongchedi по ключевым словам.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 557 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.