SKILLEMALL.ai

CD facebook-comment

Инструмент анализа комментариев Facebook. Введите ссылку на пост, чтобы получить данные комментариев, поддержка постраничного просмотра, анализ тональности комментариев (позитивный/негативный/потребность/конкурент), генерация красивого HTML-отчета. Используйте, когда пользователю нужно просмотреть комментарии к постам Facebook, проанализировать общественное мнение по комментариям, понять отзывы пользователей. Триггерные фразы: комментарии Facebook, комментарии FB, комментарии к постам, поиск комментариев, анализ комментариев, общественное мнение по комментариям, смотреть комментарии, общественное мнение Facebook.

машинный переводПоказать оригиналСкрыть оригинал«Facebook评论分析工具。输入帖子链接即可获取评论数据,支持分页浏览、对评论进行情感分析(积极/负面/需求/竞品),生成精美HTML报告…»

Facebook评论分析工具。输入帖子链接即可获取评论数据,支持分页浏览、对评论进行情感分析(积极/负面/需求/竞品),生成精美HTML报告。当用户需要查看Facebook帖子评论、分析评论舆情、了解用户反馈时使用。触发词:Facebook评论、FB评论、帖子评论、评论查询、评论分析、评论舆情、看评论、Facebook舆情。

redfox-data/redfox-community Agent Skills автор: redfox-data 8 файлов · 3 скрипта тело ≈ 1 183 токенов Открыть источникgithub.com↗ проанализирован 12 дн назад

Инструмент анализа комментариев Facebook.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 8. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 19
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1183 токенов
  • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

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
  • -221 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 163 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (5 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.