Synthèse automatique
Automatise les commentaires sur LinkedIn avec un ton naturel et des contraintes anti-détection (navigation headfull, délais aléatoires, interdiction des phrases interdites).
Points forts
- Respecte des contraintes strictes de type humain (vitesse de frappe, délais aléatoires) pour éviter la détection.
- Impose une limite quotidienne (20 commentaires/UTC) et une vérification de doublons inter-sessions.
- Utilise un profil de session persistant pour éviter de se reconnecter à chaque exécution.
Limites
- Nécessite une première connexion manuelle sur LinkedIn.
- Dépend de la non-détection des techniques de stealth (risque d'obsolescence si LinkedIn met à jour ses protections).
- Ne gère pas les commentaires sur des posts très récents ou les réponses à des commentaires existants.
Pour poster de manière régulière et discrète des commentaires pertinents sur LinkedIn sans intervention manuelle, par exemple pour une stratégie de marketing ou de networking.
Si vous avez besoin de commenter plus de 20 fois par jour ou de réagir à des conversations en temps réel, car les limites et délais rendent le processus trop lent.
Analyse de sécurité
SûrThis skill is a static document outlining project standards and constraints for a LinkedIn auto-commenter. It contains no executable instructions, destructive commands, data exfiltration methods, or obfuscated payloads. It merely references internal files and libraries without instructing the agent to run or modify them in a risky way.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Run the LinkedIn auto-commenter to leave a thoughtful comment on the latest post from my feed about AI in healthcare, following all stealth and quality rules.Use the LinkedIn auto-commenter to post 5 comments today, spaced at least 15 seconds apart, on posts about remote work trends. Make sure each comment references a specific detail from the post and adds value.Check if the LinkedIn auto-commenter has remaining daily comments (under 20) and if so, comment on the post at https://www.linkedin.com/posts/example-post with a natural, conversational response that does not start with a compliment.LinkedIn Auto-Commenter — Project Standards
Comment Quality
Tone
- Conversational and direct — write like a knowledgeable peer, not a marketing department
- 2–4 sentences per comment
- Use contractions naturally (it's, I'm, that's, we've, etc.)
- Reference specific details from the post — generic comments are not acceptable
- Add value: a question, a relevant experience, a constructive perspective
Prohibited Content
- Never start a comment with a compliment about the post ("Great post!", "So insightful!")
- Never include any phrase from src/ai/banned_phrases.py
- Never reveal AI, automated, or generated origins
- No corporate buzzwords: leverage, synergy, paradigm shift, game-changer, etc.
Operational Limits
Daily Cap
- Hard limit: 20 comments per UTC day
- Enforced by RateLimiter.assert_can_post() before every comment attempt
- DailyLimitExceededError is raised — do not bypass or catch and ignore
Timing
- Minimum delay between comments: 15 seconds
- Maximum delay between comments: 45 seconds
- Typing speed: 55–80 WPM with +/-30% per-character jitter
Architecture Constraints
Stealth Requirements
- Browser must run headful (headless=False) — LinkedIn detects headless via GPU/font fingerprinting
- stealth_async(context) must be called AFTER launch_persistent_context() returns
- Use STEALTH_BROWSER_ARGS from browser_factory.py — do not modify without testing
Data Immutability
- All models use frozen=True (@dataclass(frozen=True) or Pydantic frozen=True)
- Never mutate model instances — create new ones instead
Duplicate Prevention
- ActivityLog.was_commented(post_url) is checked before adding any post to the scrape results
- Do not comment on the same post URL twice across sessions
Persistent Session
- Browser profile stored at data/browser_profile/ (gitignored)
- First run: log into LinkedIn manually in the opened browser
- Subsequent runs: session is restored automatically — no re-login needed
File Organization
- Max 800 lines per file, target 200–400 lines
- One concern per module — no mega-files
- All error handling must be explicit — never swallow exceptions silently
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/linkedin-auto-commenter-ms1aw3fi/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/linkedin-auto-commenter-ms1aw3fi' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/linkedin-auto-commenter-ms1aw3fi/download' --output '.skill-downloads/linkedin-auto-commenter-ms1aw3fi/SKILL.md.part' && mv '.skill-downloads/linkedin-auto-commenter-ms1aw3fi/SKILL.md.part' '.skill-downloads/linkedin-auto-commenter-ms1aw3fi/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.
Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/linkedin-auto-commenter-ms1aw3fi/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Lecteur PDF
Productivite
Lit et extrait le texte de fichiers PDF (rapports, contrats, tableurs). Gère les fichiers locaux, les URL et les pièces jointes WhatsApp. Utilisez-le dès qu'un contenu PDF est nécessaire, même sans demande explicite.
Workflows de messagerie Discord
Productivite
Utilisez l'outil message pour envoyer, modifier et modérer des messages Discord avec des composants interactifs.
Aperçu interactif des verdicts
Productivite
Générer un aperçu HTML interactif des verdicts (garder/supprimer) pour la revue par le mainteneur, puis traiter le JSON de retour.