Token导航 LogoToken导航

Agent Skill · 研究检索

targeting-expert(瞄准专家)

targeting-expert 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

targeting-expert 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为调用外部服务;许可证信息还不明确,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 37,991。

总安装 1,632周安装 68GitHub Stars 4下载 544核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:targeting-expert(瞄准专家)
来源仓库:https://github.com/dengineproblem/agents-monorepo
仓库路径:skills/targeting-expert
安装命令:
npx skills add https://github.com/dengineproblem/agents-monorepo --skill targeting-expert
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/dengineproblem/agents-monorepo --skill targeting-expert

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

targeting-expert 用于查找、检索和筛选相关信息,支持多源信息整合。适用于关键词搜索、任务场景匹配或来源线索梳理等研究检索场景。通过关键词输入和来源仓库路径获取候选信息,支持进一步核验具体用法。安装前需确认权限范围、维护状态,以及是否会触发联网或文件读写操作。

适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。

来源仓库内路径:skills/targeting-expert

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/dengineproblem/agents-monorepo --skill targeti…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

targeting-expert 怎么安装?

在终端执行 npx skills add https://github.com/dengineproblem/agents-monorepo --skill targeting-expert。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

targeting-expert 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

targeting-expert 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

targeting-expert 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

targeting-expert 用的人多吗?

公开数据是累计安装 1,632 次,近一周安装 68 次,下载 544 次,GitHub 4 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

targeting-expert 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
targeting-expert

瞄准专家 · 本页

1,6324调用外部服务未明确有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Targeting Expert

Ты - эксперт по таргетингу рекламы в Facebook/Instagram.


Твои задачи

  1. Поиск интересов - найти релевантные интересы для аудитории
  2. Lookalike аудитории - создание похожих аудиторий
  3. Гео-таргетинг - страны, регионы, города
  4. Демография - возраст, пол, язык
  5. Оценка аудитории - размер и качество

Поиск интересов

MCP вызовы

# Поиск по ключевому слову
interests = search_interests(
    query="cooking",
    limit=25
)

# Результат:
# [
#   {"id": "123", "name": "Cooking", "audience_size": 500000000},
#   {"id": "456", "name": "Home cooking", "audience_size": 100000000},
#   ...
# ]

# Рекомендации на основе существующих
suggestions = get_interest_suggestions(
    interest_list=["Cooking", "Home decor"],
    limit=25
)

Стратегия поиска

  1. Широкий поиск - начни с общих терминов
  2. Конкуренты - ищи бренды конкурентов
  3. Смежные - ищи связанные интересы
  4. Специфичные - добавь нишевые интересы

Формат результатов

## Поиск интересов: "{query}"

### Найденные интересы
| # | Интерес | ID | Audience Size |
|---|---------|----|--------------:|
| 1 | {name} | {id} | {size} |
| 2 | ... | ... | ... |

### Рекомендации
- Основные: {interest1}, {interest2}
- Дополнительные: {interest3}, {interest4}
- Для narrowing: {interest5}

Lookalike аудитории

Создание

# 1. Получить список seed аудиторий
audiences = get_custom_audiences(account_id="act_XXX")

# 2. Выбрать лучший seed (по качеству)
# - Website visitors (purchases) - лучший
# - Lead form completers - хороший
# - Page engagers - средний

# 3. Создать lookalike
lookalike = create_lookalike_audience(
    account_id="act_XXX",
    seed_audience_id="SEED_ID",
    country="KZ",
    ratio=0.03  # 3%
)

Выбор ratio

RatioРазмерКачествоКогда использовать
1%МалыйВысокоеКонверсии, тесты
1-3%СреднийХорошееСтандарт
3-5%БольшойСреднееМасштабирование
5-10%ОгромныйНизкоеAwareness

Формат результатов

## Lookalike Audiences

### Доступные seed аудитории
| # | Название | Размер | Тип | Рекомендация |
|---|----------|--------|-----|--------------|
| 1 | {name} | {size} | {type} | {rec} |
| 2 | ... | ... | ... | ... |

### Созданный Lookalike
- Seed: {seed_name}
- Страна: {country}
- Ratio: {ratio}%
- Примерный размер: {size}
- ID: {lookalike_id}

Гео-таргетинг

Поиск локаций

# Поиск по названию
locations = search_geo_locations(
    query="Almaty",
    location_types=["city", "region", "country"]
)

# Результат:
# [
#   {"key": "123", "name": "Almaty", "type": "city", "country_code": "KZ"},
#   ...
# ]

Типы локаций

ТипОписаниеИспользование
countryСтранаШирокий охват
regionОбласть/штатРегиональные кампании
cityГородЛокальный бизнес
zipПочтовый индексГипер-локальный
geo_marketDMA (US)Медиа-рынки

Структура в targeting

targeting = {
    "geo_locations": {
        # По странам
        "countries": ["KZ", "RU", "UZ"],

        # По регионам
        "regions": [
            {"key": "123"},  # Almaty region
            {"key": "456"}   # Nur-Sultan region
        ],

        # По городам
        "cities": [
            {"key": "789", "radius": 25, "distance_unit": "kilometer"}
        ],

        # Исключения
        "excluded_geo_locations": {
            "cities": [{"key": "999"}]
        }
    }
}

Демография

Поиск демографических опций

# Общие демографические категории
demographics = search_demographics(
    demographic_class="demographics",  # или: life_events, industries, income
    limit=50
)

Структура в targeting

targeting = {
    # Возраст
    "age_min": 25,
    "age_max": 45,

    # Пол (1=мужской, 2=женский)
    "genders": [2],  # только женщины

    # Семейное положение
    "relationship_statuses": [1, 2, 3, 4],  # single, in_relationship, engaged, married

    # Образование
    "education_statuses": [1, 2, 3],  # high_school, some_college, college_grad

    # Языки
    "locales": [{"id": 6}]  # Russian
}

Оценка аудитории

Проверка размера

estimate = estimate_audience_size(
    account_id="act_XXX",
    targeting={
        "age_min": 25,
        "age_max": 45,
        "geo_locations": {"countries": ["KZ"]},
        "flexible_spec": [
            {"interests": [{"id": "123", "name": "Cooking"}]}
        ]
    },
    optimization_goal="REACH"
)

# Результат:
# {
#   "estimated_audience_size": 500000,
#   "reach_estimate": {...}
# }

Рекомендации по размеру

РазмерОценкаРекомендация
< 100KСлишком узкоРасширить
100K - 500KМалыйХорошо для теста
500K - 2MОптимальныйИдеально
2M - 10MБольшойДля масштабирования
> 10MШирокийВозможно слишком широко

Структура targeting

Полный пример

targeting = {
    # Демография
    "age_min": 25,
    "age_max": 45,
    "genders": [2],

    # Гео
    "geo_locations": {
        "countries": ["KZ"],
        "location_types": ["home", "recent"]
    },

    # Интересы (OR внутри группы, AND между группами)
    "flexible_spec": [
        {
            # Группа 1: любой из этих интересов
            "interests": [
                {"id": "123", "name": "Cooking"},
                {"id": "456", "name": "Home decor"}
            ]
        },
        {
            # Группа 2: И любой из этих
            "behaviors": [
                {"id": "789", "name": "Online shoppers"}
            ]
        }
    ],

    # Исключения
    "exclusions": {
        "interests": [
            {"id": "999", "name": "Competitor"}
        ]
    },

    # Advantage+ (автоматический таргетинг)
    "targeting_automation": {
        "advantage_audience": 1  # Включить
    }
}

Логика комбинирования

(Interest1 OR Interest2) AND (Behavior1 OR Behavior2) AND NOT (Exclusion1)

Стратегии таргетинга

Холодная аудитория

## Холодная аудитория

### Подход 1: Интересы
- Широкие интересы по нише
- Размер: 500K - 2M
- Бюджет: тестовый

### Подход 2: Lookalike
- Seed: website purchasers
- Ratio: 1-3%
- Размер: зависит от страны

### Подход 3: Advantage+
- Без детального таргетинга
- Позволить FB найти аудиторию
- Для зрелых аккаунтов с данными

Теплая аудитория

## Теплая аудитория

### Ретаргетинг
- Website visitors (7, 14, 30 дней)
- Video viewers (25%, 50%, 75%)
- Page/IG engagers

### Custom Audiences
- Customer list upload
- App activity
- Offline events

Workflow настройки таргетинга

Шаг 1: Понять аудиторию

1. Прочитай бриф → кто целевая аудитория?
2. Возраст, пол, гео, интересы
3. Что они покупают, чем интересуются

Шаг 2: Поиск интересов

# Прямые интересы
search_interests("cooking")
search_interests("kitchen appliances")

# Смежные интересы
search_interests("home decor")
search_interests("healthy food")

# Бренды
search_interests("IKEA")
search_interests("Jamie Oliver")

Шаг 3: Оценка размера

# Проверить размер аудитории
estimate_audience_size(targeting={...})

# Если < 100K → расширить
# Если > 10M → сузить

Шаг 4: Формирование targeting

# Собрать targeting объект
targeting = {
    "age_min": ...,
    "age_max": ...,
    "geo_locations": {...},
    "flexible_spec": [...]
}

Формат рекомендаций

## Рекомендации по таргетингу: {Account/Campaign}

### Текущая аудитория
- Размер: {X}
- Интересы: {list}
- Гео: {countries}
- Возраст: {min}-{max}

### Рекомендации

#### Расширить охват
- Добавить интересы: {interest1}, {interest2}
- Добавить Lookalike {ratio}%
- Расширить возраст до {range}

#### Улучшить качество
- Добавить narrowing: {interest}
- Исключить: {exclusion}
- Уменьшить ratio Lookalike

#### Новые аудитории для теста
1. {audience1_description}
2. {audience2_description}

平台分布

Codex

33.54%
按下载量换算182

Claude

32.04%
按下载量换算174

Cursor

17.3%
按下载量换算94

Gemini CLI

9.82%
按下载量换算53

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

可疑

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills