Original en inglés: https://argusic.com/subject/social-media-research-skills
social-media-research-skills
AI agent skills para investigación de redes sociales. Publicaciones atípicas, minería de comentarios, análisis de competidores, bibliotecas de anuncios y tendencias en TikTok, Instagram, YouTube, Reddit, X, LinkedIn y más. Desarrollado por ScrapeCreators. Funciona con Claude Code, Cursor, Codex, Gemini CLI.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 64ba7b4dea71
Python, licencia MIT. El proyecto se describe a sí mismo como: agent skills, ai agents, claude code, claude skills, competitor analysis, content marketing, cursor e influencer marketing.
social-media-research-skills funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
All 13 SKILL.md files have valid frontmatter and non-empty bodies, the npx skills CLI installs the repo correctly (13 skills listed under .agents/skills/), and the validate-skills.py script passes cleanly.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- npx skills requires Node >=22.20.0 but system has v18.19.12 minutos
- PyYAML not installed; validate-skills.py fails1 minuto
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- npx skills list (via Node v22.20.0) listed all 13 skills; python3 scripts/validate-skills.py exited 0: 'Validated 13 skills'; git diff --check exited 0; content of source and installed SKILL.md files matches via diff
- Tokens de modelo usados
- 31.904
- Commit exacto probado
- 64ba7b4dea71
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
exec /bin/sh -lc '# Quick time tracking echo "Session started roughly at" && echo $((1790903926 - 300)) && echo "and ended at 1790903926, d… succeeded in 0ms: Session started roughly at 1790903626 and ended at 1790903926, difference roughly minutes: 5 Everything checks out. Here's the final report: tokens used 31,904 Everything checks out. Here's the final report:
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Tardó 5 minutos en instalarse, más lento que la mediana de los 106 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, social-media-research-skills fue el 69.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,02 |
Temas (de GitHub)
agent-skillsai-agentsclaude-codeclaude-skillscompetitor-analysiscontent-marketingcursorinfluencer-marketingmarket-researchsocial-mediasocial-media-researchworkflow-automation
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/social-media-research-skills)Preguntas
- ¿Funciona social-media-research-skills?
- social-media-research-skills funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic social-media-research-skills?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 64ba7b4dea71. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar social-media-research-skills?
- La ejecución que produjo este veredicto costó 0,02 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda social-media-research-skills en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita social-media-research-skills una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar social-media-research-skills?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara social-media-research-skills con las alternativas?
- De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, social-media-research-skills fue el 69.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
- ¿Dónde está la evidencia de social-media-research-skills?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.